奖励与前一个状态或下一个状态有关吗？

问题描述

在强化学习框架中，我对奖励以及它与状态的关系有点困惑。例如，在 Q-learning 中，我们有以下更新 Q 表的公式：

这意味着奖励是在 t+1 时刻从环境中获得的。我的意思是在应用动作 a_t 后，环境给出 s_t+1 和 r_t+1。

通常情况下，奖励与前一个时间步长相关，即在上述公式中使用 r_t。例如，参见 Q-learning 的 Wikipedia 页面 (https://en.wikipedia.org/wiki/Q-learning)。这是为什么？

偶然地，一些关于相同主题但使用不同语言的维基百科页面使用了 r_t+1（或意外的 R_t+1）。例如，请参阅意大利语和日语页面：

• https://it.wikipedia.org/wiki/Q-learning
• https://ja.wikipedia.org/wiki/Q%E5%AD%A6%E7%BF%92

解决方法

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@）