强化学习 之 马尔科夫决策过程

（1）当某些现实场景不适用于马尔可夫性质时，基于MDP假设的强化学习用什么方法解决？
如果一些场景的‘状态’或者‘观测’不具备马尔可夫性质，那就再其基础上再抽象出一个latent variable使之具备马尔可夫性质。其实MDP里面的‘状态’就是在‘观测’基础上抽象出来的具有马尔可夫性质的latent variable。

。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。

如果大家喜欢这篇文章的话，希望大家收藏、转发、关注、评论、点赞，转载请注明出自这里。 PS：本随笔属个人学习小结，文中内容有参考互联网上的相关文章。如果您博文的链接被我引用，我承诺不会参杂经济利益；如果有版权纠纷，请私信留言。其中如果发现文中有不正确的认知或遗漏的地方请评论告知，谢谢！ 还是那句话：不是我喜欢copy，是站在巨人的肩膀上~~