強化學習筆記2

馬爾可夫決策過程（MDP） 1、基本概念： 馬爾可夫性質(Markov Property): 如果某一個過程未來的轉移跟過去是無關，只由現在的狀態決定，那麼其滿足馬爾可夫性質。 馬爾可夫鏈(Markov Chain): 概率論和數理統計中具有馬爾可夫性質（Markov property）且存在於離散的指數集（index set）和狀態空間（state space）內的隨機過程（stochastic

>>阅读原文<<