Markov Decision Process中的Reward函数

[LeoLuo0320]

记忆中Reward函数通常定义为离开某个状态时获得的Reward，在第二章MDP的笔记中

在上图中 E[Rt+1|st=s] = R(s)， 是否可以推出R(s)为离开状态s时的奖励

请指教 谢谢

[qiwang067]

记忆中Reward函数通常定义为离开某个状态时获得的Reward，在第二章MDP的笔记中

在上图中 E[Rt+1|st=s] = R(s)， 是否可以推出R(s)为离开状态s时的奖励

请指教 谢谢