10 2013 档案
摘要：MDP又称马尔可夫决策过程。MDP提供了一种结果部分随机部分可控的决策制定框架，具体而言，马尔可夫决策过程是离散时间点的随机控制过程。在每一步，过程在特定的状态S，而决策者可能选择任何在状态S下可用的行动 a，过程在下一个时间点随机的进入S'状态，并且给予决策者奖励 。过程选择行为a 进入状态的可能性由状态转移函数决定，然而下一个状态S'只依赖于当前状态，而与以前的状态无关，换句话说，马尔科夫决策过程的状态转移具有markov性。马尔可夫决策过程是一个四元组。其中是有限的状态集合有限行动集合(或者,是在状态s下可以选择的行动的集合),是在状态s下时间点t执行行动a在时间点t +
阅读全文