【发布时间】：2013-11-11 01:16:01
【问题描述】：
为什么值迭代算法的终止条件 （例如http://aima-java.googlecode.com/svn/trunk/aima-core/src/main/java/aima/core/probability/mdp/search/ValueIteration.java）
在MDP（马尔可夫决策过程）中是
||Ui+1-Ui|| Ui 是实用程序的向量 error - 算法中使用的错误界限 算法中使用的伽马折扣因子 “error*(1-gamma)/gamma”从何而来？
“除以伽玛”是因为每一步都被伽玛打折吗？
但是错误*（1-伽玛）？
错误必须有多大？
Ui+1 更新的实用程序向量
【问题讨论】：
-
你能再解释一下，特别是“什么是 MDP？”和“你的参数是什么（Ui、gamma、error 等）？”
标签： algorithm artificial-intelligence iteration markov-chains convergence