智能体的轨迹与策略
1、智能体的轨迹
轨迹，即状态和动作的一个序列：$[s_0,a_1,s_1,a_1,...]$。如下图所示：
2、智能体的策略
策略，本质就是映射，从状态到动作的映射，如下图所示，即称之为“策略”。策略表示为：$\pi$。
3、确定性策略与随机策略
强化学习当中的策略可以分为随机策略和确定性策略两类。关于确定性策略与随机策略，请移步：《确定性策略与随机策略》
轨迹，即状态和动作的一个序列：$[s_0,a_1,s_1,a_1,...]$。如下图所示：
策略，本质就是映射，从状态到动作的映射，如下图所示，即称之为“策略”。策略表示为：$\pi$。
强化学习当中的策略可以分为随机策略和确定性策略两类。关于确定性策略与随机策略，请移步：《确定性策略与随机策略》