RL學習筆記-2-馬爾可夫決策過程及表格型方法

1 馬爾可夫過程 Markov Process, MP 一個狀態的下一個狀態只取決於當前的狀態，與當前狀態之前的狀態無關。   2 馬爾可夫獎勵過程 Markov Reward Process, MRP 求解MRPs的迭代方法： 動態規劃 蒙特卡洛方法（通過採樣） TD算法：是動態規劃和蒙特卡洛方法的集合 （1）利用蒙特卡洛方法求解MRP的價值函數： （2）利用動態規劃的方法，一直迭代貝爾曼方程，

>>阅读原文<<