论文部分内容阅读
在状态和行动集均可数,报酬函数有界条件下,建立起非时齐折扣MDP的对应时齐折扣MDP模型,并证明两者等价,从而把非时齐折扣MDP问题特化为一个与之等价的时齐折扣MDP问题,使时齐折扣MDP的结果对非时齐情况也成立,鉴于时齐折扣模型的讨论比较充分,这就带来了非对齐折扣模型的完满结论,并且这一转化过程揭示了非时齐与时齐折扣模型的内在联系。