RL-05-赵-不基于模型1:MC算法03【MC Basic】【Episode长度的影响:当较短时,只有靠近目标的状态具有非零状态值】【随长度增加,离目标更近的状态的非零值会比更远的状态更早出现】
3、案例1 任务是: 给定如图所示的一个初始策略,使用MC Basic算法找到一个最优策略,其中
rboundary=−1,rforbidden=−1,rtarget=1,γ=0.9。 r_{boundary=-1},r_{forbidden}=-1,r_{target}=1,\gamma=0.9\text{。} r
2026/9/29 4:32:16