问题描述
我不明白class1-> -13，class2->-1.5，..的状态值是如何依赖于下一个状态的。我们如何计算下一个状态。我不知道从公式到计算。 例如，对于类别3，4.3 = -2 +（0.6 X 10）+（0.4 x 0.8）。 pub的值如何为0.8？ https://towardsdatascience.com/reinforcement-learning-demystified-markov-decision-processes-part-1-bf00dda41690 （x是乘法）
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@）