机构名称：
¥ 1.0
这里要注意的关键点是，从环境中观察到的{o n}并不是马尔可夫。这是大多数情况下的现实，我们施加的马尔可夫模型是一个近似值。这是明确的，例如，当所使用的模型是一个更复杂问题的离散或有限维度漫画时，或者是因为对分析易于的动力学施加的方便近似值仅是近似值（例如，在受控队列中跨越时间的指数性）。还要注意，上面的代理动力学（1.1）（包括代理状态的选择）是我们假设模型时强加的设计选择。在[1，2]中，明确标识为。通常，问题的物理学可能决定了一种自然选择，但是如果不是这样，则需要一种原则上的方法。这个设计问题是我们计划解决的主要问题，在准备理论背景之后，我们在这项工作后来提出了这一问题。该理论是将模型（1.1）作为给定的。
在非马克维亚环境中的强化学习
主要关键词
相关文件推荐
