论文部分内容阅读
本文提出测度值马尔可夫决策过程新模型．在此模型下，agent对环境的把握用测度概念来表示，于是agent则根据测度来决定自己的最优行动以得到最优策略，因此本文也提供了测度值马尔可夫决策过程的最优策略算法．该模型是部分可观察马尔可夫决策过程的推广，它反映人类思维的一个重要特征，人们在把握全部状态可能性（即对状态空间进行权衡度量）的态势下，思考问题并选择自己的最优行动．部分可观察马尔可夫决策过程只是它的一种特例．