马尔可夫决策过程 Markov Process(MP) 上图就表示了在强化学习中智能体与环境交互的情况,这个交互过程就是通过马尔可夫决策过程来体现的。他的环境是full observable(完全可观测) 的。有些时候,某些不可观测的量也可以转化为MDP问题。 如果一个状态是马尔可夫的,那就是说一个状态的下一个状态只取决于它当前状态,而跟它当前状态之前的状态都没有关系。(即是说:当前时刻状态S的下一个状态S1,只跟当前的S有关,与过去的状态无关) 马尔可夫链 马尔可夫链。例如:四个状态的转化: 可以看出每一行描述的是从一个节点到另一个节点的概率。下图是马尔可夫决策链的例子: