yunfeng_net

摘要： 强化学习 基本概念 强化学习需要学习一个从环境状态到智能体行动的映射，称为智能体的一个策略，使得环境回报最大化。 其环境通常采用 MDP 来定义。 马尔可夫决策过程：$MDP = \{ S, A, P, R \} $ 状态转移的回报函数$R: S\times A\times S \to REAL$ 阅读全文