文章目录
  1. 1. 符号定义
  • author: zhouyongsdzh@foxmail.com
  • date: 2016-08-12
  • weibo: @周永_52ML

符号定义

符号 物理意义
$\mathcal{S}$ (有限的)状态集合
$\mathcal{A}$ (有限的)动作集合
$\mathcal{P}$ 状态转移概率
$R$ 奖赏 Reward
$\gamma$ 折扣因子,$\gamma \in [0,1]$
$S_t$ $t$时刻的状态 ($S_t \in \mathcal{S}$)
$A_t$ $t$时刻的动作 ($A_t \in \mathcal{A}$)
$\pi(a\ s)$ 策略函数,状态到动作的映射
$G_t$ $t$时刻开始回报序列,即$G_t=R_{t+1} + \gamma R_{t+2} + …$
$v_{\pi}(s)$ 状态值函数,在策略$\pi$下状态$s$的值函数
$q_{\pi}(s,a)$ 状态值函数,在策略$\pi$下状态$s$采取动作$a$值函数
文章目录
  1. 1. 符号定义