代理人的行动选择在最后一步中,通常有一个对环境的影响。让阶跃函数知道行动选择的步骤之前,你必须把最后的动作到下一个阶跃函数的调用,然后,根据这些信息计算出下一个观察,奖励和结束标志。
看这个例子:
上面例子的链接的行动是一种指导力量应用到系统在以下步骤来计算当前步骤的新观察。
基于阶跃函数可以计算奖励,如果结束值是正确的。使用这些信息代理从环境中获得的新信息,这是选择下一步行动的基础。
