文档摘要

2.1 马尔可夫决策过程 本节摘要：MDP 五元组 (S, A, P, R, γ)。马尔可夫性：未来只依赖当前 s,a。有限/无限 horizon；折扣 γ∈[0,1] 保证收敛。 先说结论 写出 MDP 五元组 解释马尔可夫性质 说明 γ 对「远见」的影响 MDP 定义 马尔可夫决策过程（MDP）： S：状态空间 A：动作空间（可依赖 s） P(s'|s,a)：转移概率 R(s,a,s') 或 R(s,a)：奖励 γ：折扣因子… 会员。《2.1 马尔可夫决策过程》收录于灏天文库文集《强化学习入门：探索智能体的决策之路》，原作者/来源：灏天文库，整理自「灏天文库」，提供技术教程、实践指南与问题解决方案，支持在线阅读、全文检索与知识沉淀，助力开发者系统化学习。本站整理收录，版权归原作者/开源协议所有。

该文档为会员专享，请先登录或注册后再查看

登录 注册

---

作者与出处

原作者： 灏天文库

来源：灏天文库

原文： https://aiknowledge.cn/collection/481-%E5%BC%BA%E5%8C%96%E5%AD%A6%E4%B9%A0%E5%85%A5%E9%97%A8%E6%8E%A2%E7%B4%A2%E6%99%BA%E8%83%BD%E4%BD%93%E7%9A%84%E5%86%B3%E7%AD%96%E4%B9%8B%E8%B7%AF

整理： 灏天文库整理

由灏天文库平台收录，内容或由平台用户上传，仅供学习交流