下载掌阅APP，畅读海量书库
立即打开
在本书第四部分中，我们将不确定性扩展到包括状态的不确定性。我们无法准确地观测状态，而是接收到与状态只有概率关系的观测结果。此类问题可以建模为 部分可观测的马尔可夫决策过程 （Partially Observable Markov Decision Process，POMDP）。解决POMDP的一种常见方法包括在当前时间步骤（time step）的状态上推断信念分布（belief distribution），然后应用策略将信念映射到行为。在本书第四部分中，我们首先将讨论如何根据过去的观测和行为序列更新信念分布，然后将讨论求解POMDP的各种精确方法以及近似方法。