本文根据Udacity课程提炼而成，供自己复习、参考时使用。
马尔科夫决策过程由状态（state：S），奖励（reward：R），动作（action：A）和状态转移矩阵（transform：T）和未来的奖励折扣到现时的转换率（γ）组成。其中每个状态会对应一个奖励，而且这个奖励会随着时间的进行不断更新；状态转移矩阵是固定不变的。决策指的是根据现有的状态和每个状态的奖励信息，综合考虑现时以及以后的奖励采取合适的动作使得总奖励（或者说是效用）最大化。 马尔科夫决策过程由状态（state：S
阅读背景：
马尔科夫决策过程（MDP）
来源：互联网
分享到：
