Tags: #mdp

RL笔记（3）：马尔可夫决策过程

梳理从马尔可夫过程(MP)、奖励过程(MRP)到决策过程(MDP)的演变，详解价值函数、贝尔曼方程推导、占用度量及最优策略定义。

11 min read