强化学习/动态规划：贝尔曼方程的解读 Bellman Equation

前言： 读书《Reinforcement Learning: An Introduction Second Edition》，读到第三章有限马尔科夫决策过程MDP中，提到了贝尔曼方程的理解。一开始我是有点懵逼的，现在看懂了其意思，在这里解释一下。 本文讲解 v π ( s ) = E π [ G t ∣ S t = s ] = E π [ R t + 1 + γ G t + 1 ∣ S t = s

>>阅读原文<<