马尔科夫决策过程

马尔科夫决策过程

在理解强化学习之前，我们先了解我们要解决什么样的问题。其实强化学习过程就是优化马尔科夫决策过程，它由一个数学模型组成，该模型在代理的控制下对随机结果进行决策。

代理可以执行某些动作，例如上下左右移动，这些动作可能会得到一个回报，回报可以是正数也可以是负数，它会导致总分数变动。同时动作可以改变环境并导致一个新的状态，然后代理可以执行另外一个动作。状态、动作和回报的集合、转换规则等，构成了马尔科夫决策过程。