[強化學習-3] Devil 課程第二章解析+ 學生馬爾可夫決策過程代碼

馬爾可夫決策過程（MDP） 一：介紹 馬爾可夫決策過程是用來形式化地描述強化學習中的環境 其中環境是完全可以觀測的 值得注意的是，大部分強化學習問題都可以看作 MDP 問題。 簡單地理解，MDP是用來描述環境的，且 agent 可以觀察到環境的全部信息。也就是說是完全可以觀測。所以 agent的狀態會等於環境的狀態，因此在MDP中會出現action這個概念。 二：馬爾可夫性質 現在或未來的狀態依賴

>>阅读原文<<