问题描述
我正在学习马尔科夫决策过程。
我不知道在哪里标记终端状态。
在4x3网格世界中，我用T标记了我认为正确（可能是错误的）的终端状态。
Pic
我看到一个指示标记的终端状态如下。
terminals=[(3,2),(3,1)]
有人可以解释它是如何工作的吗？
解决方法
在给定的网格世界中，您从“开始”（0,0）开始。然后您从该点开始走动。如果您到达“ end +1” {（3,2）}，则奖励为+1，游戏结束。同样，如果到达“ end -1” {（3,1）}，则奖励为-1，游戏结束。但是，在四处移动时，不能将{（1,1）}作为其无效状态。另外，如果您到达{（2,0）和（2,1）}处的任何终端状态“ T”，则游戏将以零奖励结束。
