思我所

1. 整体结构2. 奖励，动作、状态：3. 策略4. 值函数5. 模型

1. 马尔可夫过程强化学习中，从初始状态到终止状态的序列过程被称为一个片段（episode）。下面举一个例子来说明状态转移矩阵的概念：2. 马尔可夫奖励过程马尔可夫奖励过程是状态转移矩阵是已知的，并且赋予了状态转移的奖励值。这里没有动作的概念，一切都是无法改变的，只能从一个旁观者的角度去看待。奖励值：对每个状态的评价，是回报值的期望值。回报值：对每个片段的评价，是一个样本。 可...