MDP model - rewards

R(s,a) = reward at state s

for doing action a

(a random variable).

Example:

R(s,a) = -1 with probability 0.5

+10 with probability 0.35

+20 with probability 0.15

השקופית הקודמת

השקופית הבאה

חזור אל השקופית הראשונה

הצג גירסה גרפית