【強化学習】エピソード型学習問題と非エピソード型学習問題

強化学習のエピソード型学習と非エピソード学習を区別するためのメモ

エピソード型学習問題

• ゲームの終了時にのみ報酬を受け取ることができるような問題
• 例）迷路のような問題。ゴールにたどり着いた時にのみ報酬を受け取ることができる

非エピソード型学習問題

• ゲームの終点がないような問題
• 例）実世界の制御問題など
• 逐次、現在の状態によって報酬を受け取る