文档摘要

6.1 MDP与贝尔曼方程关卡 MDP 考点：五元组、马尔可夫性判别、折扣回报与贝尔曼方程的迭代求解。通关标准：能把决策问题翻译成元组，手算小型 MDP 的价值函数收敛过程，并能说清折扣因子两头兼顾的作用。决策编队首关：先把战场写成数学，后头的试错算法才有处落脚。 决策沙盘：关卡题目 关卡一（单选）：下列哪种情形最符合马尔可夫性对"状态"的要求？ A. 状态只记录棋盘当前局面，双方历史走法全部丢弃 B. 会员。《6.1 MDP与贝尔曼方程关卡》收录于灏天文库文集《AI基础知识刷题集：检验你的理论掌握程度》，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/514-ai%E5%9F%BA%E7%A1%80%E7%9F%A5%E8%AF%86%E5%88%B7%E9%A2%98%E9%9B%86%E6%A3%80%E9%AA%8C%E4%BD%A0%E7%9A%84%E7%90%86%E8%AE%BA%E6%8E%8C%E6%8F%A1%E7%A8%8B%E5%BA%A6

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