摘要： 1.利用动态序列或时间分量去最优化一个问题的程序 它是解决复杂问题的一种方法，通过分解子问题，解决子问题，组合子问题的解来实现 2.动态编程是解决包含以下属性问题的解决办法： 1）最优子结构 最优应用原则和最优解能被分解成子问题 2）覆盖子问题 子问题出现多次 子问题的解可以被缓存和重复利用 3）M 阅读全文

摘要： 1.MDPs介绍 1）马尔可夫决策过程正式描述了强化学习的环境，并且环境是可观测的 2）当前状态完全刻画了整个过程 3）几乎所有的强化学习问题都可以描述成为MDPs,比如 最优控制优先使用连续MDPs 部分可观测问题可以转换为MDPs “侠盗飞车”也是状态相关的MDPs 2.马尔可夫特性：即无记忆性 阅读全文