摘要： 本文参考《Reinforcement Learning：An Introduction（2nd Edition）》Sutton 有限MDP 有限MDP在RL中一般就是指如下图的交互式学习框架。（为了方便起见，把它当成离散化的过程） 其“有限”的特点表现在：state、reward、action三者只 阅读全文