沒有最終狀態的強化學習？

Question

我在強化學習的主題中對我的案例有疑問。

我希望我們能夠接受兩種相互依賴的產品。 這意味着如果我改變產品A的價格，也許客戶會想要購買產品B.

在我的想象中，我需要一個強化學習算法。 國家將是A和B的實際價格（例如A：15€，B：12€）。

行動將是價格的可能變化（例如價格A - 2€）

所以本例中的下一個狀態是（A：13€，B：12€）

獎勵將是利潤差異或任何其他變量告訴我，價格變化是多么成功。

我現在的問題是：我沒有最終狀態，對吧？ 我怎么可能處理這個？ 我只想最大化獎勵。 強化學習是否是正確的方法還是有更適合我的東西？

Answer 1

在強制執行學習中不需要最終狀態，你只需要小心你的伽瑪調整。

我們可以獲得有關價格接受計算的更多信息嗎？

另外一件事，我真的沒有找到在您的問題中使用神經網絡的興趣，事實是您的目標是根據您的環境價格接受找到產品（A，B）的最佳價格。給你最好的利潤，但是當你發現這對夫婦時，無論網絡輸入是什么，最好的情侶仍然會是一樣的不是嗎？

我認為使用神經網絡和Q學習的興趣應該是，如果你給網絡輸入一些環境變量 ，除了當前的價格之外還有一些直接與價格接受相關的變量 。