Echooo的博客

马尔可夫决策过程1. 马尔可夫过程（Markov Process，MP）2. 马尔可夫奖励过程（Markov Reward Process，MRP）2.1 迭代法计算状态价值函数VVV2.2 蒙特卡罗法计算状态价值函数VVV2.3 动态规划法计算状态价值函数VVV2.4 时序差分学习法计算状态价值函数VVV3. 马尔可夫决策过程（Markov Decision Process，MDP）3.1 MDP中的策略policy3.2 MDP和MRP之间的区别3.3 MDP的价值函数3.4 贝尔曼期望等式（Bellm

强化学习笔记（1）——概述1. 强化学习2. 序列决策过程简介3. Agents的类型1. 强化学习强化学习的两大主体：agent和environment强化学习讨论的问题是一个智能体(agent) 怎么在一个复杂不确定的环境(environment)里面去极大化它能获得的奖励。当前的 agent 去跟环境交互，你就会得到一堆观测。你可以把每一个观测看成一个轨迹(trajectory).一场游戏叫做一个 episode(回合)或者trial(试验)。有效动作的集合经常被称为动作空间(actio