上一章[[强化学习入门]]

vsmax⁡π∑aπa∣sqsas∈Svsπmax​a∑​πa∣sqsas∈S在其中需要先找到最优的policy。矩阵向量形式就是加上最优的bellman公式的矩阵向量形式vmax⁡πrπγPπvvπmax​rπ​γPπ​v。

vsmax⁡π∑aπa∣sqsas∈Svsπmax​a∑​πa∣sqsas∈S在其中需要先找到最优的policy。矩阵向量形式就是加上最优的bellman公式的矩阵向量形式vmax⁡πrπγPπvvπmax​rπ​γPπ​v。