马尔科夫决策过程是对强化学习(RL)问题的数学描述。几乎所有的RL问题都能通过MDPs来描述:
最优控制问题可以用MDPs来描述; 部分观测环境可以转化成POMDPs; 赌博机问题是只有一个状态的MDPs;注:虽然大部分DL问题都能转化为MDPs,但是以下所描述的MDPs是全观测的情况。
强化学习中的表述符号:
2.马尔科夫性
只要知道现在,将来和过去条件独立
定义:如果在t时刻的状态St满足如下等式,那么这个状态被称为马尔科夫状态,或者说该状态满足马尔科夫性。
马尔科夫性的要点: 状态St包含了所有历史相关信息 或者说历史的所有状态的相关信息都在当前状态St上体现出来 一旦St知道了,那么S1,S2, ... ,St-1都可以被抛