马尔科夫决策过程(MDP)五大元素 |
您所在的位置:网站首页 › 五大元素的作用是什么 › 马尔科夫决策过程(MDP)五大元素 |
文章目录
什么是马尔科夫决策过程(Markove Decision Progress, MDP)?
MDP五大元素
什么是决策规则(Decision Rules,DR)
什么是策略
什么是马尔科夫决策过程(Markove Decision Progress, MDP)?
生活中无时无刻不在做决定。假如以“时间 t t t”为横坐标轴,每个离散时刻的状态为随机变量 X t X_t Xt( X t X_t Xt服从某个分布,离散的或连续),存在一个动作集合 Φ \Phi Φ,同时维持一个奖励或者损失函数 C C C,以及一个状态转移概率 P P P。 那么通俗一点,MDP过程就可以定义为,在时间序列上,以上述五元素为已知条件,根据某种策略 π ∈ Π \pi\in\Pi π∈Π,得到一条使得目标函数 F ( C ) F(C) F(C) 的决策序列。这个定义不是严谨的,但是容易理解。 举个例子:假如我们以我们一天的生活为时间轴,1个小时为一个坐标点,以饥饿程度为状态,状态空间为:(特别饿,比较饿,刚好,满足,撑了),以“进食和“不进食”为动作集合,以”过一个钟头就饿一成“为损失函数,状态转移方程为:撑了还吃的概率为0(那么不吃的概率就为1),满足还吃的概率为0.1,刚好还吃的概率为0.3,比较饿才吃的概率为0.6,饿极了再吃的概率为0.9(假设那0.1是饭撒了或者没钱了-_-)。那么给定一个初始状态,比如说:刚好,饥饿程度随时间增加,那么一个小时做一次决策,决定进食还是不进食,这样一天下来,我们所经历的状态和所做的决定就构成了一条MDP采样。 MDP五大元素上述的五元素就是MDP问题的五个元素: 决策周期 T T T. 系统状态 S S S. 动作集合 A A A. 转移概率 P P P. 奖惩函数 C C C.其中,根据 T T T的长度有限(finite)和无限(infinite)可以分为,有限决策过程(finite horizon problem)和无限决策过程(infinite horizon problem);根据 T T T的离散还是连续又分为,离散决策问题(discrete MDP problem)和连续决策问题(consecutive MDP problem)。 决策的发生点: 所有决策epoch(epoch是指决策周期中的一个完整的决策过程,比方说12个小时是一个决策周期,那么每个小时就是一个epoch,这样一条链中就有11个决策epoch,决策发生在epoch的开始) 队列系统中的随机事件的发生点,比方说只在事件到达时做决策 关键点决策,这个简单,比方说,指定在1,3,5等时间点做决策,其他时间点不决策因此,提起MDP,不一定只是 每epochMDP。 系统状态 S S S和动作集合 A A A: 均可为任意有限集合 均可为任意可数无限集合 什么是可数无限集合呢?一般指这样的集合,集合中的元素能够与自然数产生一一映射,数量上无限,或者说该集合是全体自然数集合的一个子集映射。比方说, s e t = 2 , 4 , 6 , 8 , 10 , . . . ∞ set = {2,4,6,8,10,...\infty } set |
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |