强化学习之贝尔曼方程 8

在上一次的状态价值函数图中，对于每一个方格我们不比从头开始计算每一个值，如下图

如果我们想知道某一状态的值可以用接下来的一个状态的折扣值（图中为1）+ 立刻的回报。

这个就是贝尔曼预期方程

代表着我们可以将马尔科夫决策过程任何状态的值表示为，即时奖励和下个状态的折扣值。

如果帮到你

标签：状态,方程,折扣,图中,贝尔曼,帮到,强化
来源： https://blog.csdn.net/weixin_43236007/article/details/89294327