在强化学习中，当动作不影响状态时，它叫什么？

Question

在强化学习中，对于所采取的操作不会影响状态的算法，是否有一个名称？例如武装土匪

Answer 1

在RL设置中，armed bandits被认为是无状态的，因此操作自然不会影响状态。只有行动和奖励。

如果您添加了一个状态，但这些操作对下一个状态没有影响，则这些操作称为Contextual Bandits。上下文强盗有状态、动作和奖励。你的状态(或“上下文”)可能会影响你的行为，但不会反过来，也就是说，没有像普通RL中那样的转换规则。