Máme neznámý kostičkový svět, neznámé velikosti a struktury. Agent se pohybuje neznámýmí směry, s neznámými parametry. Agent vyzkoušel několik trénovacích epizod, zápis je níže v tabulce. Každý řádek v tabulce je n-tice $(s, a, s', r)$.
| Episoda 1 | Episoda 2 | Episoda 3 | Episoda 4 |
|---|---|---|---|
| (B, →, C, -3) | (B, ←, A, -1) | (C, →, D, -3) | (C, ←, B, -1) |
| (C, →, D, -3) | (A, →, exit, 6) | (D, →, exit,6) | (B, →, C, -3) |
| (D, ←, exit, 6) | (C, ←, B, -1) | ||
| (B, ←, A, -1) | |||
| (A, ←, exit, 6) |
Úkoly:
Máme neznámý kostičkový svět, neznámé velikosti a struktury. Agent se pohybuje neznámýmí směry, s neznámými parametry. Agent vyzkoušel několik trénovacích epizod, zápis je níže v tabulce (Oproti základní variantě jsou přidány Episody 5-8). Každý řádek v tabulce je n-tice $(s, a, s', r)$.
| Episoda 1 | Episoda 2 | Episoda 3 | Episoda 4 | Episoda 5 | Episoda 6 | Episoda 7 | Episoda 8 |
|---|---|---|---|---|---|---|---|
| (B, →, C,-3) | (B, ←, A, -1) | (C, →, D, -3) | (C, ←, B, -1) | (B, ←, C, -3) | (B, →, A, -1) | (C, →, B, -1) | (C, →, D, -3) |
| (C, → ,D, -3) | (A, →, exit, 6) | (D, →, exit, 6) | (B, →, C, -3) | (C, ←, B, -1) | (A, →, exit, 6) | (B, →, C, -3) | (D, →, exit, 6) |
| (D, ←, exit, 6) | (C, ←,B,-1) | (B, ←,A,-1) | (C, ←,D,-3) | ||||
| (B, ←, A, -1) | (A, ←, exit, 6) | (D, ←, exit, 6) | |||||
| (A, ←, exit, 6) |
Úkoly:
Práce na úloze Markovské rozhodovací procesy.
Zkuste rozmyslet (příp. i implementovat) testy pro ověření správnosti specifikace.