马尔科夫决策过程，强化学习，深度强化学习，Q-learning 入门 一看就懂

• 马尔科夫性：即无后效性，下一个状态只和当前状态有关而与之前的状态无关。
• 马尔科夫过程：马尔科夫过程是随机过程的一种。可以理解为，在满足马尔科夫性质的条件下，状态与状态之间的转换过程即为马尔科夫过程。这个过程只有状态和状态转移概率，是不涉及动作的。

• 马尔科夫决策过程：考虑了动作策略的马尔科夫过程，即系统下个状态不仅和当前的状态有关，也和当前采取的动作有关。
• 强化学习：是依靠环境给予的奖惩来学习的，因此对应的马尔科夫决策过程还包括奖惩值
  这几者的区别详见：https://zhuanlan.zhihu.com/p/80884389

1. 马尔科夫决策推荐两篇文章

• https://blog.csdn.net/liweibin1994/article/details/79079884

• https://blog.csdn.net/DeepOscar/article/details/81036635

2. 强化学习及其经典算法——Q-learning（文章中结合了实例，容易理解）

• https://www.jianshu.com/p/2cfb8cc48f7f

• https://www.jianshu.com/p/1db893f2c8e4

3. 强化学习如何解决问题以及适合解决什么样的问题？

• 如何解决问题：https://blog.csdn.net/broadview2006/article/details/79076736
• 解决什么问题： 序贯决策问题
  https://blog.csdn.net/songyunli1111/article/details/84453457

4. 从强化学习到深度强化学习（注意经验池和目标网路）
   深度强化学习(DRL) = 强化学习(RL) + 深度学习(DL)

• https://www.jianshu.com/p/5ceca53aff0b

• https://blog.csdn.net/u013236946/article/details/72871858

• https://blog.csdn.net/weixin_42389349/article/details/82935123

• https://www.jianshu.com/p/72cab5460ebe