第十七篇 强化学习(1)-马尔可夫决策过程
马尔可夫决策过程
马尔可夫性质：当前状态可以完全表征过程。
对于任意有限的马尔可夫决策过程，都存在一个最优策略，不差于其他所有可能的策略。
贝尔曼方程
第十七篇 强化学习(1)-马尔可夫决策过程
You need to set
install_url to use ShareThis. Please set it in _config.yml.