摘要：
思想：当前状态的价值和下一步的价值和当前的奖励有关。价值函数分解为当前奖励和下一步价值函数两部分，类似于递归的思想 例如在上面这个图中。vπ(s)是状态s的价值函数。π(a|s)是状态s下执行行为a的概率，Rsa是对应的即时奖励，是在状态S下执行了动作a之后转移到状态S′的概率。 上面这个图就是实际 阅读全文
摘要：
马尔科夫决策要求 1.能够检测到理想状态 2.可以多次尝试采取不同动作 3.系统的下一个状态只与当前状态有关，而与之前的状态无关。在决策过程中还和当前采取的动作有关。 马尔科夫决策过程与5个因素有关： S：表示状态集 A：表示一组动作 P：表示状态转移概率。Psa表示在当前状态S下，执行动作a,转移 阅读全文
摘要：
智能体（agent） 例如alpha-go中的棋盘，用于产生动作的主体就是智能体。 状态（state） l例如当前棋盘中的局势就是状态，表示的是主体执行动作之前需要考虑的外部环境 动作（action） 例如下围棋中的落子，表示智能体在某个状态下采取的一个行为 奖励（reward） 例如当某一步有利于 阅读全文