强化学习入门学习笔记1——概念梳理

概念梳理

马尔可夫决策过程

策略，一直是我初学时搞错的一个东西，他指的是你在每一个S（状态）下采取各种action的概率，而不是从开头到结尾这样的一条路。

返回值是概率！！！！

这里第二个式子可见Π的返回值是概率。

Q就是下一步期望加未来步期望，最直观的告诉你接下来往哪走最好。