我有一个模型，其状态取决于多个动作；我可以将一个参数作为动作，但是如果状态转换取决于多个动作呢？
答案 0 :(得分：0)
在诸如Q-Learning之类的强化学习技术中，每个状态变化都是概率性的，并且取决于一个动作。这用于估计预期的奖励（例如Q值中的Q值： Q（s，a））。
如果没有大量动作，则可以定义可以一起出现的动作组合作为新动作；例如如果您有操作 a 1 和 a 2 ，则可以执行操作 a 3 可以同时应用两个动作的效果。 另一个想法是定义一种更高的动作层次。
您还应该看看几本科学著作，其中它们使用多种动作进行状态转换，如this thread中所述。