mdp過程中的選擇（**&控制）
**：（評估乙個準確的策略）
輸入：mdp+policy 或者 mrp
輸出：value function
控制：（尋找乙個優化策略）
輸入：mdp
輸出：最佳優化函式 和 策略policy
**和控制，可以通過動態規劃來進行求解
動態規劃的可解問題的主要性質：
優化的基礎：可以分解為子問題，原則上存在最優解
重置子問題：子問題遞迴重複多次，解決方案可以控制並且可重用
馬爾可夫可以用動態規劃的問題求解的前提：
貝爾曼等式，可以進行遞迴分解
價值函式可以儲存並且重用
mdp中的策略評估：
最後得到的價值函式，要能夠收斂。
mdp中的 policy iteration和value iteration
強化學習 強化學習基礎
為了應對車載網路中通訊環境快速變化的難題，可以使用強化學習進行解決，這裡對強化學習的基礎進行整理。主要的應用場景為車載網路中資源分配問題。本文源自莫煩python 強化學習章節，有需要請查閱原文 20200413補充了一些內容，來自這篇部落格，是李巨集毅的深度強化學習的筆記。強化學習的主要構成有 a...
強化學習基礎
mdps簡單來說就是乙個智慧型體 agent 採取行動 action 從而改變自己的狀態 state 來獲取獎勵 reward 與環境 environment 互動的過程。mdps的策略完全取決於當前狀態，這也是馬爾科夫性質的體現。可以簡單的表示為 m a,ps a,r 回報 return u s0...
學習筆記 強化學習基礎
1.強化學習的基本結構是什麼？本質上是強化學習agent和environment間的互動。agent從environment中獲取狀態 state 然後輸出乙個action，這個action會加入到environment中，並使得environment輸出乙個新的state和action得到的rew...