RL強化學習基礎課 class.3

在MDP（馬爾可夫）中的決策過程： 馬爾可夫鏈 --> 馬爾可夫獎勵過程 --> 馬爾可夫決策過程 在馬爾可夫策略中的決策評價 （就是給定了一個決策過後，如何計算其價值函數） 馬爾可夫中的控制：策略迭代 和 值迭代 馬爾可夫模型可以對現實世界問題建模，是描述強化學習的一個通用框架 在MDP中，環境是全部可以觀測（fully observable）  最優控制主要會被處理爲連續的MDPS問題 部分可

>>阅读原文<<