《ARPG游戏深度强化学习 》序贯决策问题、完成ARPG世界里的游戏代码实践

序贯决策问题 图示： python 马尔科夫决策过程 序贯决策，主要的方法是：马尔科夫决策过程。web 一个马尔可夫过程叫：MDP。 一个MDP由一个五元组构成：S A P R r算法 S 是全部状态的集合 数据库 A 是全部动做的集合 数组 P 是某状态S’在某A‘动做下的转移几率 策略P就是在状态S下作A的几率多大。dom R 是奖励 svg r 是回报有时候也用G标示（gain） 函数 当前

>>阅读原文<<