强化学习-马尔可夫决策过程-2020.11.30
最新推荐文章于 2024-08-15 13:20:27 发布
本文介绍了马尔可夫决策过程(MDP)在强化学习中的核心地位,强调了MDP如何描述智能体与环境的交互,特别是在环境完全可观测的情况下。MDP的一个关键特性是状态的马尔可夫性质,即当前状态的下一个状态只依赖于当前状态本身,而不依赖于历史状态。文中还通过例子展示了马尔可夫链的概念,以及其在决策过程中的转化概率。
摘要由CSDN通过智能技术生成