网格世界中的终端状态是什么？答案

【问题标题】：What is terminal state in gridworld?网格世界中的终端状态是什么？
【发布时间】：2021-02-14 22:37:19
【问题描述】：

我正在学习马尔可夫决策过程。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（我可能是错的）的终端状态。 Pic

我看到一个指令标记终端状态如下。

terminals=[(3, 2), (3, 1)]

有人能解释一下它是如何工作的吗？

【问题讨论】：

Artificial Intelligence Stack Exchange 可能是提出与强化学习相关的理论问题的更好地方，所以我建议你在那里提问（当然，下次你有关于 RL 的问题时，你应该在那里问）。如果你在那里问，请从这里删除（以避免交叉发布，这通常是不鼓励的）。

标签： reinforcement-learning markov markov-decision-process

【解决方案1】：

在给定的网格世界中，您从 (0,0) 的“开始”开始。然后你从那个点开始移动。如果您到达“end +1”{(3,2)}，则奖励为 +1，游戏结束。同样，如果您到达“end -1”{(3,1)}，则奖励为 -1，游戏结束。然而，当你四处移动时，你不能移动到 {(1,1)} 作为它的无效状态。此外，如果您达到任何处于 {(2,0) 和 (2,1)} 的终端状态“T”，那么游戏将以零奖励结束。

【讨论】：