强化学习 之 马尔科夫决策过程

（1）当某些现实场景不适用于马尔可夫性质时，基于MDP假设的强化学习用什么方法解决？ 如果一些场景的‘状态’或者‘观测’不具备马尔可夫性质，那就再其基础上再抽象出一个latent variable使之具备马尔可夫性质。其实MDP里面的‘状态’就是在‘观测’基础上抽象出来的具有马尔可夫性质的latent variable。 如果大家喜欢这篇文章的话，希望大家收藏、转发、关注、评论、点赞，转载请注明出

>>阅读原文<<