机构名称：
¥ 2.0
•s =状态，包括启动状态•a =一组可能的动作•p = transition矩阵𝑃））* + = pr [𝑆012=𝑠'| |𝑆|𝑆0=𝑠，𝐴0=𝑎]•r =奖励函数，𝑅） + =）
讲座19：强化学习 - 第二部分（RL算法）
主要关键词
相关文件推荐
