常用数学符号#
| 符号 | 含义 | 符号 | 含义 |
|---|---|---|---|
| E | 期望 | S | 空间、集合 |
| MDP | 马尔可夫决策过程 | P | 概率矩阵 |
| r | 已知标量，状态价值 | R | 未知标量，奖励 |
| v | 向量 | R | 二维矩阵或更高维张量 |
| π | 策略 | π* | 最优策略 |
| V | 状态价值函数 | Q | 状态-行为对价值函数 |
| γ | 衰减因子 | O | 复杂度 |
| 符号 | 含义 | 符号 | 含义 |
|---|---|---|---|
| E | 期望 | S | 空间、集合 |
| MDP | 马尔可夫决策过程 | P | 概率矩阵 |
| r | 已知标量，状态价值 | R | 未知标量，奖励 |
| v | 向量 | R | 二维矩阵或更高维张量 |
| π | 策略 | π* | 最优策略 |
| V | 状态价值函数 | Q | 状态-行为对价值函数 |
| γ | 衰减因子 | O | 复杂度 |