强化学习知识要点与编程实践(1)——马尔可夫决策过程

本文未经许可禁止转载,如需转载请联系笔者

0. 前言

马尔可夫决策过程是强化学习中重要的概念之一,但是在介绍马尔可夫决策过程之前,需要先了解马尔可夫过程,和马尔可夫奖励过程,它们是依次递进的关系。

1. 马尔科夫过程(Markov Process)

  • 在一个时序过程中,如果 t + 1 t+1 t
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值