原书出处
深入浅出强化学习:原理入门
02 第2章 马尔科夫决策过程
量序列中的每个状态都是马尔科夫的,则称此随机过程为马尔科夫随机过程。 2.第二个概念是马尔科夫过程 马尔科夫过程的定义:
马尔科夫过程是一个二元组(S,P),且满足:S是有限状态集合,P是状态转移概率。状态转移概率矩阵为: 。下面我们以一个例子来进行阐述。 如图2.2所示为一个学生的7种状态{娱乐,课程1,课程2,课程3,考过,睡觉,论文},每种状态之间的转换概率如图所示。
则该生从课程 1 开始一天可能的状态序列为: 课1-课2-课3-考过-睡觉 课1-课2-睡觉 以上状态序列称为马尔科夫链
原书定位详情
来源:a19c7933-4eda-4176-aebd-30fe7e1ad292
正文位置:extracted/深入浅出强化学习:原理入门/_epub-src/OEBPS/text00010.html
EPUB SHA-256:ae4f315e52c24fa9ecced8c7659f4c69287c6fc9158f48f7899711e24ebd8d57