【人工智能导论：模型与算法】马尔科夫决策过程MDP | 强化学习问题定义：策略函数π，状态-价值函数v(s)，动作-价值函数q(s,a)- V2.0

【人工智能导论：模型与算法】马尔科夫决策过程

【人工智能导论：模型与算法】强化学习问题定义 贝尔曼方程

太晚了，贝尔曼来不及看了。贝尔曼有一定难度，拿出时间单独看也好。

第二遍看MDP，理解又深入了一些。

【2022.1.22更新】

价值函数  更新为：状态价值函数。

• 更多教材采用 状态价值函数
• 另一个叫 动作价值函数，感觉也比较对称。