开发者社区

文档建议反馈控制台

文章/答案/技术大牛

发布

社区首页 >专栏 >强化学习笔记2：Markov decision process(MDP)

强化学习笔记2：Markov decision process(MDP)

作者头像

列夫托尔斯昊

发布于 2020-08-31 06:24:41

发布于 2020-08-31 06:24:41

9540

举报

文章被收录于专栏：探物及理探物及理

马尔科夫过程（Markov Process，MP）

我们说一个state若满足，则其具有马尔可夫性，即该state完全包含了历史中的所有信息。马尔科夫过程是无记忆的随机过程，即随机状态序列具有马尔可夫属性。

马尔科夫奖励过程（Markov Reward Process，MRP）

解析解

马尔科夫决策过程（Markov Decision Process，MDP）

收获 Return

价值函数和动作值函数

贝尔曼方程

贝尔曼最优方程

求解最优方程方法

Value iteration
Policy iteration
Q-learning
Sarsa
等

本文参与腾讯云自媒体同步曝光计划，分享自作者个人站点/博客。

原始发表：2020-08-27 ，如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自作者个人站点/博客前往查看

如有侵权，请联系 cloudcommunity@tencent.com 删除。

本文参与腾讯云自媒体同步曝光计划，欢迎热爱写作的你一起参与！

评论

登录后参与评论

0 条评论

热度

最新

目录

马尔科夫过程（Markov Process，MP）
- 马尔科夫奖励过程（Markov Reward Process，MRP）
  - 解析解
- 马尔科夫决策过程（Markov Decision Process，MDP）
  - 收获 Return
  - 价值函数和动作值函数

贝尔曼方程
- 贝尔曼最优方程
  - 求解最优方程方法