Deterministic Case

Description

当状态和动作确定时，下一状态也是确定的。即下一状态是由当前状态和动作相关的函数所确定的。 在已知状态转移方程的情况下，Agent 可以依据模型生成一系列的动作。


$${\mathbf{a}}_1,\dots ,{\mathbf{a}}_T=\arg \underset{{\mathbf{a}}_1,\dots ,{\mathbf{a}}_T}{\max }\sum _{t=1}^{T}r\left({\mathbf{s}}_t,{\mathbf{a}}_t\right)\text{ s.t. }{\mathbf{a}}_{t+1}=f\left({\mathbf{s}}_t,{\mathbf{a}}_t\right)$$