更新时间：2023-01-06 23:39
策略搜索指的是深度学习中利用广度优先搜索、深度优先搜索等策略来进行数据搜索的过程。
为了得到状态转化的方程，构建了函数St+1 = ASt + Bat + wt，我们重点讲解了如何得到拟合系数的过程，但为了解决POMDPs问题，由于其是一个NP-hard问题，我们不能通过计算获得拟合的系数，此时我们通过策略搜索算法获得求解。
在策略搜索算法中，我们提出两个新的定义：
（1）我们定义一个策略集Π作为所有可能集合的合集，我们通过对集合Π进行搜索，找到其中可以获得最优结果的策略π（这一思想类似于我们在监督学习中定义将涉及H的过程，我们在H中搜索最优的假设函数h使监督学习产生的误差最小）
（2）一个随机策略是一个由状态和策略到一个实数的影响，即π：S*A->R，其中π(s, a)表示在状态s下执行动作a的概率，故Σπ(s, a)=1, π(s,a)≥0。