我正在阅读“强化学习：简介”一书（Andrew Barto 和 Richard S. Sutton 着）。
作者提供了优先扫描算法的伪代码，但不知道是什么意思Model(s, a)。这是否意味着这Model(s, a)是我们处于状态s并采取行动时获得的奖励历史a？
是否R, S_new = Model(s,a)意味着我们应该从状态中获得的奖励中随机抽取样本s并采取行动a？
优先扫描算法中Model(s,a)是什么意思？
人工智能
强化学习
萨顿巴托
优先扫描
2021-10-28 12:47:14
1个回答
我认为伪代码是为表格案例制作的，并假设了确定性环境。然后将是一个表格，其中包含下一个状态的信息和采取行动后的奖励从状态. 该表的大小将与 Q 表的大小相同。因为环境是确定性的，所以您不会随机抽样，因为只有一种可能的转换，因此您将采用模型表中记住的转换。