我正在使用POMDP框架进行实验，其中有好有坏。实验总是从不良状态开始。我还有一个变化的条件，那就是等待费用。首先，有一定数量的试验，等待费用低，然后等待费用高。所以，我很困惑，是不是2乘2阶乘设计？因为我总是从糟糕的状态开始。非常感谢您的帮助！
暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！
如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。
小编邮箱:dio#foxmail.com (将#修改为@）
