假设建筑物中有5个房间，如上图所示。我们将每个房间的编号设为0到4.建筑物的外部可以被认为是一个大房间（5）。当然，5号房间的回报率为100，其他所有与目标房间的直接连接奖励为100。Q（1,5）= R（1,5）+ 0.8 * Max [] = 100 + 0.8 * 0 = 100机器人从状态2开始，我们希望他能够学习到房子外面状态5。状态列表：状态0可到达——>状态4；状态1可到达——>状态3、5；状态2可到达——>状态3；状态3可到达——&
网络
2023-09-13
47 点赞
0 评论
71 浏览
