在上一次的状态价值函数图中，对于每一个方格我们不比从头开始计算每一个值，如下图
如果我们想知道某一状态的值可以用接下来的一个状态的折扣值（图中为1）+ 立刻的回报。
这个就是贝尔曼预期方程
代表着我们可以将马尔科夫决策过程任何状态的值表示为，即时奖励和下个状态的折扣值。
如果帮到你
相关文章：
相似解决方案
热门标签
在上一次的状态价值函数图中，对于每一个方格我们不比从头开始计算每一个值，如下图
如果我们想知道某一状态的值可以用接下来的一个状态的折扣值（图中为1）+ 立刻的回报。
这个就是贝尔曼预期方程
代表着我们可以将马尔科夫决策过程任何状态的值表示为，即时奖励和下个状态的折扣值。
如果帮到你
相关文章：