深度強化學習-馬爾科夫決策過程-筆記（二）

深度強化學習-MDP 馬爾科夫決策過程 馬爾科夫過程 Markov Process(MP) （1）馬爾科夫性質 （2）馬爾科夫過程/馬爾科夫鏈 馬爾科夫獎勵過程 Markov Reward Process(MRP) 貝爾曼方程的矩陣形式 迭代方法計算MRP的價值函數 （1）蒙特卡洛算法計算MRP的價值函數 （2）動態規劃算法計算MRP的價值函數 馬爾科夫決策過程 Markov Decision P

>>阅读原文<<