强化学习是机器学习的一个分支，关注智能体如何在环境中通过试错学习最佳策略。这一概念受到心理学行为主义的启发，尤其体现在有机体对奖励和惩罚的反应上。马尔可夫决策过程（MDP）是描述这种学习过程的数学模型，其中智能体在不同状态下选择行动以最大化长期奖励。MDP的关键特性是状态之间的转移仅依赖于当前状态，不考虑历史状态。
基础概念
强化学习（Reinforcement learning (RL)）：
强化学习是机器学习中的一个领域，强调如何基于环境而行动，以取得最大化的预期利益。其灵感来源于心理学中的行为主义理论，即有机体如何在环境给予的奖励或惩罚的刺激下，逐步形成对刺激的预期，产生能获得最大利益的习惯性行为。强化学习最早可以追溯到巴甫洛夫的条件反射实验，它从动物行为研究和优化控制两个领域独立发展，最终经Bellman之手将其抽象为马尔可夫决策过程 (Markov Decision Process，MDP)。
马尔可夫决策（Markov Decision Processes,MDPs）：
MDPs 简单说就是一个智能体（Agent）采取行动（Action）从而改变自己的状态（State）获得奖励（Reward）与环境（Environment）发生交互的循环过程。
MDP 的策略完全取决于当前状态（Only present matters），这也是它马尔可夫性质的体现。
其可以简单表示为：
·
哈哈其实这篇我看的不大明白，就不放PPT和讲解视频误导大家了。
对了这篇可以在YouTube上搜到，直接搜论文名即可
727
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
