《强化学习：原理与Python实现 》 —2.1.3 智能体与策略
【摘要】
本节书摘来自华章计算机《强化学习：原理与Python实现》 一书中第二章，第2.1.3节，作者肖智清。
2.1.3 智能体与策略
如前所述，智能体根据其观测决定其行为。在Markov决策过程中，定义策略（policy）为从状态到动作的转移概率。对于有限Markov决策过程，其策略可以定义为
对于动作集为连续的情况，可以用概率分布来定义策略。
如果某个策略对于任意的，均存在一个，使得
则这样的策略被称为确定性策略。这个策略可以简记为，即。
例如，对于表2-1的环境，某个智能体可以采用表2-2中的策略。
【版权声明】本文为华为云社区用户转载文章，如果您发现本社区中有涉嫌抄袭的内容，欢迎发送邮件进行举报，并提供相关证据，一经查实，本社区将立刻删除涉嫌侵权内容，举报邮箱：
cloudbbs@huaweicloud.com
- 点赞
- 收藏
- 关注作者
评论（0）