标签： reinforcement-learning
我遇到一个问题，我需要以固定的步数从A到B，例如 n 。在每个状态下，都有两个可用操作（ left 或 right ）。动作 left 的成本为零，但动作 right 的成本取决于当前状态。如果我知道只需要执行正确次 k 次才能满足自己的约束条件，该如何将这些附加信息纳入RL模型？奖励功能应如何建模？哪些算法适合解决此问题？