现在求在State5状态下的VAL
首先选择a3操作的概率是0.5，即时奖励是10，到达stop位
然后选择a4操作的概率也是0.5，即时奖励是1，还没完
此时走到的位置往下走有三种可能
走第一条路的概率是0.2，目标点VAL是-1.3
走第二条路的概率是0.4，目标点VAL是2.7
走第三条路的概率是0.4，目标点VAL是7.4
强化学习bellman求状态价值笔记
猜你喜欢
转载自blog.csdn.net/cj1064789374/article/details/105875798
今日推荐
周排行