سوال ۷۴ کنکور ارشد مهندسی کامپیوتر ۱۴۰۰ — محیط زیر با کنش‌های (action) بالا U، پایین D، چپ L و راست R را در نظ

Question

محیط زیر با کنش‌های (action) بالا U، پایین D، چپ L و راست R را در نظر بگیرید. کنش‌هایی که باعث ورود به خانه S5 می‌شوند پاداش برابر با ۱۰ دارند و خود خانه S5 وضعیت پایان است. سایر کنش‌ها پاداش ۱− دارند. مقدار ضریب تخفیف (discount factor) برابر با ۰٫۹ = γ را در نظر بگیرید. کدام گزینه صحیح است؟

$\begin{matrix} S1 & S2 & S3 \\ S4 & S5 & S6 \\ S7 & S8 & S9 \end{matrix}$

Accepted Answer

V^()(S_1) = ۸ ، Q^()(S_۴, D) = ۶٫۲

Answer

V^()(S_1) = ۸ ، Q^()(S_۴, D) = ۷٫۲

Answer

V^()(S_1) = ۹ ، Q^()(S_۴, D) = ۷٫۱

Answer

V^()(S_1) = ۹ ، Q^()(S_۴, D) = ۸٫۱