強化學習(2)---馬爾科夫決策

需要知道的一些概念 馬爾科夫決策過程 馬爾科夫鏈 馬爾科夫獎勵過程 馬爾科夫中的價值函數 馬爾科夫決策過程的控制：policy iteration value iteration 基於價值函數的agent：不使用決策函數，在價值函數中推測police 基於police的agent：不使用價值函數 兩個都用 通過模型使用不同分類： 看會否有環境轉移模型 馬爾科夫決策過程是強化學習的基本框架，環境是全

>>阅读原文<<