分散式部分可观察马尔可夫决策过程

正式定义

Dec-POMDP是一个7元组，其中：

• ${\displaystyle S}$ 是状态的集合，
• ${\displaystyle A_{i}}$ 是智慧体i的行动集合，其中${\displaystyle A=\times _{i}A_{i}}$ 是联合行动的集合，
• ${\displaystyle T}$ 是是状态间条件转移概率的集合，${\displaystyle T(s,a,s')=P(s'\mid s,a)}$ ，
• ${\displaystyle R:S\times A\to \mathbb {R} }$ 是回报函数，
• ${\displaystyle \Omega _{i}}$ 是智慧体i的观察集合，其中${\displaystyle \Omega =\times _{i}\Omega _{i}}$ 是联合观察的集合，
• ${\displaystyle O}$ 是一组条件观察概率，${\displaystyle O(s',a,o)=P(o\mid s',a)}$ 
• ${\displaystyle \gamma \in [0,1]}$ 是折现因子