2.1 马尔可夫决策过程（MDP）

文档摘要

2.1 马尔可夫决策过程（MDP） 2.1 马尔可夫决策过程（MDP）马尔可夫决策过程（Markov Decision Process，MDP）是强化学习（Reinforcement Learning，RL）的核心数学框架，它提供了一个形式化描述智能体（Agent）在环境中进行决策，并获得奖励（Reward）的学习过程。理解 MDP 对于深入学习强化学习至关重要。 2.1.1 MDP 的定义 MDP 可以用一个五元组表示：（S, A, P, R, γ），其中： S：状态集合（State Set）：表示环境所有可能的状态的集合。状态是智能体对环境的感知，它包含了做出决策所需的所有信息。 A：动作集合（Action Set）：表示智能体可以采取的所有动作的集合。动作会改变环境的状态。