贝尔曼最优方程和简单问题的策略求解
教材《人工智能导论》3.4.1 / 内部第2点 · 已审核
通俗解释
贝尔曼关系把即时奖励与后续状态的未来价值连接起来，用递推方式求解长期最优决策。
例子
在迷宫的一个格子比较两种移动：当前奖励与下一格的最优价值共同决定选择。
容易混淆
递推关系需要状态、奖励与转移条件，不能只凭一步收益选最优策略。
检查理解
用自己的话解释“贝尔曼最优方程和简单问题的策略求解”在“数理基础”中的作用，并举出教材中的一个例子或适用场景。对照原文检查条件、公式和图表。
查看参考答案
要点：贝尔曼关系把即时奖励与后续状态的未来价值连接起来，用递推方式求解长期最优决策。 示例：在迷宫的一个格子比较两种移动：当前奖励与下一格的最优价值共同决定选择。