更改

马尔科夫链的粗粒化可以分成硬划分（Hard partitioning）和软划分（Soft partitioning）。硬划分是指把若干个微观状态分成一个宏观状态类，且一个微观状态不能同时属于多个宏观状态类，而软划分则会有可能出现一个微观状态被分在属于多个宏观类的情况。

马尔科夫链的粗粒化可以分成硬划分（Hard partitioning）和软划分（Soft partitioning）。硬划分是指把若干个微观状态分成一个宏观状态类，且一个微观状态不能同时属于多个宏观状态类，而软划分则会有可能出现一个微观状态被分在属于多个宏观类的情况。

在硬划分的情况下，<math>\Phi_{i, j} = \begin{cases} 1\text{, if}\ s_i \in s_j', \\ 0\text{, otherwise} \end{cases}</math><ref name=":12" />，即一个表示<math>i</math>属于<math>j</math>列的零一分组矩阵。如果是软划分的话，<math>\Phi</math>则不一定会是零一矩阵。

在硬划分的情况下，<math>\Phi_{i, j} = \begin{cases} 1\text{, if}\ s_i \in s_j', \\ 0\text{, otherwise} \end{cases}</math>，即一个表示<math>i</math>属于<math>j</math>列的零一分组矩阵。如果是软划分的话，<math>\Phi</math>则不一定会是零一矩阵<ref name=":12" />。

在这个词条里，我们主要讨论硬划分<ref name=":4" />。对软划分感兴趣的朋友可以自行参阅这两篇论文<ref>Singh, Satinder, Tommi Jaakkola, and Michael Jordan. "Reinforcement learning with soft state aggregation." ''Advances in neural information processing systems'' 7 (1994).</ref> <ref name=":11">Duan, Yaqi, Tracy Ke, and Mengdi Wang. "State aggregation learning from markov transition data." ''Advances in Neural Information Processing Systems'' 32 (2019).</ref>。

在这个词条里，我们主要讨论硬划分<ref name=":4" />。对软划分感兴趣的朋友可以自行参阅这两篇论文<ref>Singh, Satinder, Tommi Jaakkola, and Michael Jordan. "Reinforcement learning with soft state aggregation." ''Advances in neural information processing systems'' 7 (1994).</ref> <ref name=":11">Duan, Yaqi, Tracy Ke, and Mengdi Wang. "State aggregation learning from markov transition data." ''Advances in Neural Information Processing Systems'' 32 (2019).</ref>。