文档摘要

第 2 章 · MDP 与贝尔曼方程：给决策建数学骨架 章节摘要：第 1 章的闭环还是自然语言，本章把它升级为严格对象——马尔可夫决策过程（MDP）。马尔可夫性质一句话：未来只依赖当前状态，与更早的历史无关；五元组（状态集、动作集、转移概率、奖励函数、折扣因子）则是把任何决策问题装进数学容器的清单。有了 MDP，就能推出全书最重要的一个方程——贝尔曼方程：价值等于即时奖励加上折扣后的后续价值。 会员。《第 2 章 · MDP 与贝尔曼方程：给决策建数学骨架》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