[Python机器学习]强化学习笔记（嵩天礼欣老师mooc第三周）

目录 强化学习 定义 马尔科夫决策过程 基本元素 值函数 最优值函数 最优控制 Q-Learning 强化学习 定义 举例： 目标：在每种状态下采取最优的动作。 学习目标：获得最优策略以使累计奖励最大（即score）。 马尔科夫决策过程 马尔科夫决策过程（MDP:Markov Decision Process）通常用来描述一个强化学习问题。 智能体agent根据当前对环境的观察采取动作获得环境的反

>>阅读原文<<