Posted 2021-09-02Updated 2021-09-25theorya few seconds read (About 72 words)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