发布 Randomly Generated MDPs 数据集, 应用在 强化学习、算法评估 领域

本次发布的数据集 Randomly Generated MDPs, 该数据集包含了100个随机生成的马尔可夫决策过程（MDPs），每个MDP具有10个状态和5个动作，且对于所有的状态-动作对（i,a），都满足概率P(i|i,a)大于0的条件，同时奖励是有限的。此外，该数据集被用于比较GSQL1和GSQL2算法与Q学习、快速Q学习和双重Q学习算法的性能。数据集的规模覆盖了具有不同状态空间基数（10、50、100、500、1000）的100个MDPs。该数据集的任务是对强化学习算法进行评估。

查看Randomly Generated MDPs

README 内容： 

关于 arXiv , arXiv 是一个免费分发服务和开放获取的学术文章档案库，涵盖了物理学、数学、计算机科学、定量生物学、定量金融、统计学、电气工程和系统科学以及经济学等领域。该网站上的材料并未经过 arXiv 的同行评审。