馬爾科夫決策過程

馬爾科夫決策過程是強化學習中的一個基本框架，用來表示agent與環境的交互過程：agent觀測得到環境的當前狀態之後，採取動作，環境進入下一個狀態，agent又得到下一個環境狀態的信息，形成一個循環迴路。 在理解馬爾科夫決策過程之前，首先要理解馬爾科夫、馬爾科夫獎勵過程。 1. 馬爾科夫過程 滿足馬爾科夫性質的狀態轉換過程是馬爾科夫過程； 什麼是馬爾科夫性質呢？ 在環境狀態的轉換過程中，環境的下一

>>阅读原文<<