文档摘要

2.1 马尔可夫决策过程：五元组与马尔可夫性质 本节摘要：马尔可夫决策过程 MDP 用五元组 (S, A, P, R, γ) 描述一个决策问题：状态集、动作集、转移概率、奖励函数、折扣因子。它的地基是马尔可夫性质——未来的统计规律只由当前状态决定，与历史无关。本节讲清性质何时成立、何时被破坏、被破坏后怎么补救，再把第 1 章的"训练小狗"闭环逐件翻译进五元组。MDP 不是新东西，而是旧闭环的数学户口本。 会员。《2.1 马尔可夫决策过程：五元组与马尔可夫性质》收录于灏天文库文集《强化学习与智能体训练：从 Q-Learning 到深度强化学习》，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。

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/540-%E5%BC%BA%E5%8C%96%E5%AD%A6%E4%B9%A0%E4%B8%8E%E6%99%BA%E8%83%BD%E4%BD%93%E8%AE%AD%E7%BB%83%E4%BB%8E-q-learning-%E5%88%B0%E6%B7%B1%E5%BA%A6%E5%BC%BA%E5%8C%96%E5%AD%A6%E4%B9%A0

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