环境或状态可不可以是随机变量，不随着采取的动作的不同而发生改变？例如在计算卸载场景中，状态是信道质量（随机变化），动作是卸载方式（本地计算或卸载至服务器），动作并不会影响状态，这种情况是否适用于强化学习？
Sputnik
Sputnik 您可以查看Dueling Q-learning并与Q-learning比较一下，相信会有所收获。
你这状态包含的信息太少了，状态信息不够的话，会很难收敛。
我最近也在处理这个问题，请问楼主解决了吗
