在马尔可夫决策过程中观察到了以下转换。尝试确定它
R A S′ S 0 U C B-1 L E C 0 D C A-1 R E C 0 D C A+1 R D C 0 U C B+1 R D C我需要找出状态、转换、奖励和转换的概率。我已经解决了所有问题，除了概率，我不知道如何计算。如果有人能帮助，我只需要知道从哪里开始
回答：
对于状态 B，动作 U 总是导致新状态 C。因此，P(C|B,U)=1（你也可以争辩说 P(C|B)=1）。P(D|C,R)=2/3，因为在三次中的两次，状态 C 中的动作 R 导致了 D。
