强化学习之MDP

前言

最近又入坑RL了，要搞AutoML就要学会RL，真的是心累。。

正文

MDP里面比较重要的就是状态值函数和动做-状态值函数吧，而后再求最优状态值函数和最优动做状态值函数，状态值函数的公式推导一开始不懂，卡在了一个地方，如今记下来，

很关键的一个在于“和的指望等于指望的和”