48066

> > >  > > > 这等号觉得有什么道理吧？29步是单步RL，31是多步RL的？ > > > > > > 你好，这个证明的解释是这样的，然后我们需要证明式子（31），对比式子（29），我们会不难发现只需要得到r_t+1的表达式就可以了。我们分析r_t+ 1这个表达式，表示状态就是第t+1步的奖赏，那是x变化到x的奖赏加上前面t步奖赏总和的γ折扣，所以我这里最后说r_t+1可以由γ折扣奖赏估计到，那这样就证明了公式(31) > > 我们分析r_t+ 1这个表达式，表示状态就是第t+1步的奖赏，即为$R_{x \to x'}^{a}$，哪里有后面的折扣累计奖励？ 同不懂。我也觉得r_{t+1}和R_{x \to x'}是一回事啊。请问有什么解释吗？