← 返回卡片

原书出处

强化学习

02 马尔可夫决策过程 2.1.3 马尔可夫决策过程

第1版 · 核验版本的摘录快照 · 导入于 2026-11-20T14:51:48.893Z

马尔可夫决策过程(Markov Decision Process,MDP)是针对具有马尔可夫性的随机过程序贯地作出决策。即根据每个时间步观察到的状态s,从可用的行动集合中选用一个行动a,环境在a的作用下,转换至新状态s'。决策者根据新观察到的状态s',再做出新的决策,采取行为a',依此反复地进行。环境的状态具有马尔可夫性,即下一时间步状态s'仅与当前状态s和动作a有关,而此刻之前的状态或动作不对其有任何影响。这就是马尔可夫决策过程的描述,大多数的强化学习任务都可以被描述为马尔可夫决策过程,因此马尔可夫决策过程在强化学习理论中相当重要。

此预览只包含定位所需的摘录和上下文。

原书定位详情

来源:a19c7933-4eda-4176-aebd-30fe7e1ad292

正文位置:extracted/强化学习/_epub-src/OEBPS/Text/1-011.xhtml

EPUB SHA-256:09d029c3e00ed3f65d67041527ebdeec43f6860c9e329632f76265063e65d5ae