10.3 部分可观测马尔可夫决策过程（POMDP）

文档摘要

10.3 部分可观测马尔可夫决策过程（POMDP） 10.3 部分可观测马尔可夫决策过程（POMDP）：在不确定世界中做最优决策的数学框架我们生活在一个信息不完整的世界。自动驾驶汽车无法“看到”每一个角落，医疗诊断系统不能直接观测病灶的微观演化，金融交易员面对的是被噪声掩盖的真实市场状态。在这些场景中，决策者所掌握的信息是残缺的、延迟的、甚至是误导性的——这正是部分可观测马尔可夫决策过程（Partially Observable Markov Decision Process, POMDP）要解决的核心问题。如果说标准马尔可夫决策过程（MDP）是在一个“上帝视角”的透明环境中寻找最优策略，那么POMDP则是在迷雾中摸索前行，依靠历史与信念绘制地图。