新闻详情

新闻详情

首页 / 资讯中心 / 详情

RL-赵-(二)-基于模型:贝尔曼/Bellman公式04-1【贝尔曼方程的矩阵-向量形式(Matrix-Vector Form)】【v_π=r_π+γP_π·v_π】

发布时间:2026/9/28 4:37:03来源:尧图网络
RL-赵-(二)-基于模型:贝尔曼/Bellman公式04-1【贝尔曼方程的矩阵-向量形式(Matrix-Vector Form)】【v_π=r_π+γP_π·v_π】
RL-赵-(二)-基于模型:贝尔曼/Bellman公式04【贝尔曼方程的矩阵-向量形式(Matrix-Vector Form)】【从Bellman方程求解State Value:①闭式解、②迭代解】2.6 贝尔曼方程的矩阵-向量形式(Matrix-Vector Form of the Bellman Equation)vπ(s)=E[Rt+1∣St=s]+γE[Gt+1∣St=s]=∑a∈Aπ(a∣s)∑r∈Rp(r∣s,a)r⏟meanofimmediaterewards+γ∑a∈Aπ(a∣s)∑s′∈Sp(s′∣s,a)vπ(s′)⏟meanoffuturerewards=∑a∈Aπ(a∣s)[∑r∈Rp(r∣s,a)r+γ∑s′∈Sp(s′∣s,a)vπ(s′)],foralls∈S(2.7)\begin{aligned}\color{red}{v_{\pi}(s)}=\mathbb{E}[R_{t+1}\mid S_t=s]+\gamma\mathbb{E}[G_{t+1}\mid S_t=s]\\=\underbrace{\sum_{a\in\mathcal{A}}\pi(a\mid s)\sum_{r\in\mathcal{R}}p(r\mid s,a)r}_{\text{mean of immediate rewards}}+\underbrace{\gamma\sum_{a\in\mathcal{A}}\pi(a\mid s)\sum_{s'\in\mathcal{S}}p(s'\mid s,a)v_{\pi}(s')}_{\text{mean of future rewards}}\\=\sum_{a\in\mathcal{A}}\pi(a\mid s)\left[\sum_{r\in\mathcal{R}}p(r\mid s,a)r+\gamma\sum_{s'\in\mathcal{S}}p(s'\mid s,a)v_{\pi}(s')\right],\quad\text{for all }s\in\mathcal{S}\end{aligned}\qquad (2.7)vπ​(s)​=E[Rt+1​∣St​=s]+γE[Gt+1​∣St​=s]=meanofimmediaterewardsa∈A∑​π(a∣s)r∈R∑​p(r∣s,a)r​​+meanoffuturerewardsγa∈A∑​π(a∣s)s′∈S∑​p(s′∣s,a)vπ​(s′)​​=a∈A∑​π(a∣s)[r∈R∑​p(r∣s,a)r+γs′∈S∑​p(s′∣s,a)vπ​(s′)],foralls∈S​(2.7)式 (2.7) 中的贝尔曼方程采用逐元素形式(Element-Wise Form)表示。由于它对每个状态都成立,因此可以将所有方程组合起来,用矩阵-向量形式简洁表示。该形式会经常用于分析贝尔曼方程。为了推导矩阵-向量形式,首先将贝尔曼方程:vπ(s)=E[Rt+1∣St=s]+γE[Gt+1∣St=s]=∑a∈Aπ(a∣s)∑r∈Rp(r∣s,a)r⏟meanofimmediaterewards+γ∑a∈Aπ(a∣s)∑s′∈Sp(s′∣s,a)vπ(s′)⏟meanoffuturerewards=∑a∈Aπ(a∣s)[∑r∈Rp(r∣s,a)r+γ∑s′∈Sp(s′∣s,a)vπ(s′)],foralls∈S(2.7)\begin{aligned}\color{red}{v_{\pi}(s)}=\mathbb{E}[R_{t+1}\mid S_t=s]+\gamma\mathbb{E}[G_{t+1}\mid S_t=s]\\=\underbrace{\sum_{a\in\mathcal{A}}\pi(a\mid s)\sum_{r\in\mathcal{R}}p(r\mid s,a)r}_{\text{mean of immediate rewards}}+\underbrace{\gamma\sum_{a\in\mathcal{A}}\pi(a\mid s)\sum_{s'\in\mathcal{S}}p(s'\mid s,a)v_{\pi}(s')}_{\text{mean of future rewards}}\\=\sum_{a\in\mathcal{A}}\pi(a\mid s)\left[\sum_{r\in\mathcal{R}}p(r\mid s,a)r+\gamma\sum_{s'\in\mathcal{S}}p(s'\mid s,a)v_{\pi}(s')\right],\quad\text{for all }s\in\mathcal{S}\end{aligned}\qquad (2.7)vπ​(s)​=E[Rt+1​∣St​=s]+γE[Gt+1​∣St​=s]=meanofimmediaterewardsa∈A∑​π(a∣s)r∈R∑​p(r∣s,a)r​​+meanoffuturerewards
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

找教育网站开发公司前必看5个坑与免费工具指南 2026/9/28 5:46:37

找教育网站开发公司前必看5个坑与免费工具指南

找教育网站开发公司前必看5个坑与免费工具指南 做教育行业的网站,最怕什么?不是代码报错,而是做出来的东西像十年前的PPT。很多机构负责人拿着手机看官网,页面加载慢得像牛车,排版挤在一起,颜色还是那种刺眼的荧光绿。这种模板网站太丑不够用,根本…

阅读更多 →
Hermes Agent 实战:接入微信两周后,我留下了这 4 个后台任务 2026/9/28 5:46:37

Hermes Agent 实战:接入微信两周后,我留下了这 4 个后台任务

/* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views …

阅读更多 →
中文网络欺凌文本检测:词向量+LSTM实战Pipeline 2026/9/28 5:46:37

中文网络欺凌文本检测:词向量+LSTM实战Pipeline

/* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views …

阅读更多 →
兆芯KX7000/8三个月实测:国产x86处理器的真实体验 2026/9/28 5:46:36

兆芯KX7000/8三个月实测:国产x86处理器的真实体验

/* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views …

阅读更多 →
三天用 Claude + Kimi 完成一个微信小程序,完整流程全记录(TaoToken 统一 Key 接入版) 2026/9/28 5:46:30

三天用 Claude + Kimi 完成一个微信小程序,完整流程全记录(TaoToken 统一 Key 接入版)

/* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views …

阅读更多 →
从零搭建本地 Hermes Agent:用 TaoToken 统一 Key 打通自动化智能应用部署 2026/9/28 5:46:30

从零搭建本地 Hermes Agent:用 TaoToken 统一 Key 打通自动化智能应用部署

/* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views …

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉