一、马尔科夫性
先来看看维基百科的解释:当一个随机过程在给定现在状态及所有过去状态情况下,其未来状态的条件概率分布仅依赖于当前状态;换句话说,在给定现在状态时,它与过去状态(即该过程的历史路径)是条件独立的,那么此随机过程即具有马尔可夫性质。具有马尔可夫性质的过程通常称之为马尔可夫过程。
即 t+2 时刻的状态只与 t+1 时刻的状态有关,与 t 时刻的状态无关。
- 状态从历史中捕获所有相关信息
- 当前状态已知,可以抛开历史不管
- 也就是说,当前状态是未来的充分统计量
二、马尔科夫决策过程
马尔科夫决策过程(Markov Decision Process,MDP)提供了一套数学框架,即在结果部分随机,且部分受决策者控制的情况下对决策过程建模。
三、MDP五元组
MDP可以由一个五元组表示 { S , A , {Psa} , γ , R }
- S是状态的集合
比如,迷宫中的位置 - A是动作的集合
比如,向 N,E,S,W移动 - Psa是状态转移概率
对每个状态 s ∈ S 和 a ∈ A, Psa是下一个状态在S中的概率分布 - γ∈ [ 0, 1 ] 是对未来奖励的折扣因子
- R : S × A -> ℝ 是奖励函数
有时奖励只和状态相关