[RL Notes] 马尔可夫决策过程
1. 马尔可夫决策过程 k 臂赌博机问题具有一些局限性：每次选择动作时的环境都是相同的，最优的动作保持不变，而且历史上作出的选择并不会影响到当前选择的动作的收益。在实际问题中，面对不同环境往往需要作出不同的选择，当下选择的动作会带来更长远的影响——影响未来环境（状态）和收益。 马尔可夫决策过程（Markov decision processe，MDP）给出了序列决策问题的一个更一般的框架。…
Read more
learn, build, evaluate
1. 马尔可夫决策过程 k 臂赌博机问题具有一些局限性：每次选择动作时的环境都是相同的，最优的动作保持不变，而且历史上作出的选择并不会影响到当前选择的动作的收益。在实际问题中，面对不同环境往往需要作出不同的选择，当下选择的动作会带来更长远的影响——影响未来环境（状态）和收益。 马尔可夫决策过程（Markov decision processe，MDP）给出了序列决策问题的一个更一般的框架。…
Read more