强化学习第一天 基本概念

MDP：马尔可夫决策过程

Random Variable：随机变量

stochastic Process：随机过程 St t从1到无穷

Markov Progress：马尔可夫过程 具有马尔可夫性质的随机过程

state space Model：状态空间模型 马尔科夫链+状态观测对象

Markov Reward Process：马尔科夫链+奖励函数

MarKov Decision Process：马尔科夫链+奖励函数+Action

S：state set

A：Action set

R：Reward set

另外学习了MDP的基本概念，学习了MDP中的动态特性，目前对动态特性的理解还不够深刻，想自己推导一下公式。