강화 학습: 두 판 사이의 차이

매 시점 t에<math>t</math>에 에이전트는 자신의 상태(state) <math>s_t \in S</math>와 가능한 행동(action) <math>A(s<sub>ts_t)</submath>)을를 가지고 있다.

에이전트는 어떤 행동 a∈A(s_t) 을 취하고, 환경으로부터 새로운 상태 s_t+1 와 포상(reward) r_t+1 을 받는다. 이 상호작용에 기반해서 강화 학습 에이전트는 누적된 포상값 R 을 최대화 하는 정책(policy) π:S→A 을 개발한다.

종료 상태(terminal state)가 존재하는 MDPs에서는 R=r₀+r₁+...+r_n 이고, 그렇지 않은 MDPs에서는 R=Σ_tγ^tr_t 가 된다. 여기서 γ 는 미래의 포상이 현재에 얼마나 가치 있는지를 표현하는 할인율(discount factor)로 0과 1사이의 값이다.