强化学习入门之马尔可夫决策过程（MDP）

马尔可夫决策问题（MDP）是一个四元组的问题，包含环境状态空间X,Agent的动作空间U，环境的迁移函数f，以及奖赏函数p

1.状态X

环境的状态集X定义为一个有穷集合{x1,x2,x3.....xn},其中n表示状态空间大小。

2.动作空间U

Agent的动作集U定义为一个有穷集合{u1,u2,u3.....um},其中m为动作空间的大小。

3，迁移函数及奖赏函数

迁移函数是描述采取相应动作时，当前状态向下一状态的映射关系，并得到相应的奖赏，奖赏即用奖赏函数描述。