定義
包含以下四5部分的系統(tǒng)稱為馬爾科夫決策過程：
- 狀態(tài)
- 模型（也就是Transition model/function, 必須滿足兩個屬性 1. 靜態(tài)镀迂，也就是指model-based氯析？2. 馬爾科夫性）
- 動作
- 獎勵
- 策略，策略就是1-4步形成的問題的解！
注意模型需要滿足2中的兩個特性豹休。
image.png
Q:如何理解策略磷瘤？
A:策略就是一個函數(shù)映射Pi，Pi(s)->a,該映射將給定狀態(tài)s映射為一個動作a
Q:強(qiáng)化學(xué)習(xí)和監(jiān)督學(xué)習(xí)的區(qū)別茂洒？
Q:什么是Plan孟岛，和Policy的區(qū)別是？
A:Plan是狀態(tài)到序列的映射督勺，而Policy是狀態(tài)到動作的映射渠羞。具體說，Plan將給定的一個狀態(tài)s智哀，映射為一個動作序列次询。在MDP中，我們求解的對象時Policy而不是Plan瓷叫，只要有了Policy屯吊，肯定就萬事大吉了。
