mdp - mdp技术,学习,经验文章

香芋Yu

4 小时前

【强化学习教程——01_强化学习基石】第01章_MDP马尔可夫决策过程本章目标：理解强化学习的基本框架，掌握 MDP 五元组的数学定义，区分回报与奖励，并学会使用 OpenAI Gym 风格接口定义环境。