如何解决马尔可夫决策过程中的建模动作使用限制
我有一个包含一定数量的状态和动作的马尔可夫决策过程。我想在我的模型中加入一个动作，在任何状态下只能使用一次，并且一旦使用就不能再次使用。我如何在我的状态图中为这个动作建模？我想过有一个单独的状态并使用 -inf 来获得奖励，但这些似乎都没有奏效。谢谢！
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 dio@foxmail.com 举报，一经查实，本站将立刻删除。
