Q Learning 可以在每个步骤的静态状态下工作吗？
我的意思是，这些动作根本不会影响下面的状态。这些情节只是一遍又一遍地迭代相同的数据。当然，不同的行为会导致不同的奖励，但是在这种情况下，Q Learning 是正确的概念吗？你还能推荐什么其他类型？
静态强化学习
数据挖掘
强化学习
q学习
dqn
2022-03-02 07:45:32
1个回答
您描述的框架是 Bandits 框架。Bandits 是解决无状态 MDP 的算法。因此，从动作影响到下一个状态的转换的意义上说，问题不是连续的。看看Python Jupyter notebook 附带的一个不错的Contextual Bandits教程。请注意，Contextual Bandits 是 Bandit 的一个特殊类别，但至少您会接触到一般 Bandit 的想法和形式化。
您可以尝试 Q 学习，但使用 Rescorla-Wagner 规则作为奖励校正没有任何意义，因为没有过渡到 a随后的状态s'。