我在无模型强化学习中遇到了sarsa算法。具体地说，在每个状态中，您都会执行一个操作a，然后观察一个新的状态s'。
我的问题是，如果没有状态转移概率方程，你怎么知道下一个状态是什么？
我的尝试：你只是尝试一下这个动作，然后从环境中观察？
最佳答案
通常是的，您在环境中执行操作，环境会告诉您下一个状态是什么。
关于algorithm - SARSA在强化学习中，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/50360618/