MDP model - action selection

Policy - mapping from states to actions

Fully Observable - can “see” the “entire” state.

AIM: Maximize the expected return.

Optimal policy: optimal from any start state.

THEOREM: There exists a deterministic optimal policy

השקופית הקודמת

השקופית הבאה

חזור אל השקופית הראשונה

הצג גירסה גרפית