什么是马尔可夫决策过程？

马尔可夫决策过程（Markov Decision Process，MDP）是一个用于决策的数学模型，其中智能体（agent）随时间与环境进行交互。它由一组状态（state）、动作（action）、一个状态转移（state transition）模型（它定义了给定特定动作时从一个状态转移到另一个状态的概率）等组成。在MDP中，目标是找到一个策略（policy）（一种选择动作的策略），该策略可以最大化预期的累积奖励（cumulative reward）。...【查看原文】