摘要：
对于马尔可夫决策过程，环境的知识是已知的，各种转移概率是知道，在有限的策略空间和状态空间下是可以求解的。
本处提供了两种优化策略的通用方式，主要还是迭代策略在该场景中的应用，并无太多特殊之处。 阅读全文
摘要：
强化学习相关的资料 阅读全文
摘要：
PS : 本书的符号标记基本严格遵守相关数学领域的惯例，对于变量，大写字母表示随机变量，小写字母表示普通变量；对于确定性函数而言均使用小写字母表示函数名及参数名；关于随机变量的运算通常也用大写字母表示如期望。
强化学习马尔科夫链决策过程（MDP），这与马尔科夫链不同，也隐马尔科夫链不同，MDP模型增加了中间行为抽象，行为具有改变状态的能力，是状态的改变生成机理，描述了状态是通过什么行为而发生改变的，像增加了隐层一样，而且行为具有主动性，而马尔科夫链只是描述了一种状态之间的被动切换关系。 阅读全文
摘要：
jupyter 使用 细节 阅读全文
摘要：
条件分布 阅读全文
摘要：
1. 花式查找并查集 阅读全文
摘要：
图遍历算法(迭代)比较 阅读全文
摘要：
Python: __new__ magic method explained 阅读全文
摘要：
漫谈递归：循环与迭代 理清递归、迭代、循环的概念 感谢 参考或原文 感谢 参考或原文 先摘抄“为之漫笔”对这几个概念的一段理解： loop、iterate、traversal和recursion这几个词是计算机技术书中经常会出现的几个词汇。众所周知，这几个词分别翻译为：循环、迭代、遍历和递归。乍一看 阅读全文
摘要：
广度优先搜索算法 阅读全文