摘要：1.实验问题 在4x4矩阵中添加终点和障碍点，分别有一个或多个，并且满足以下属性： 终点：value值不变，始终为0，邻接点可到达用大写字母E表示 障碍点：表示该点在矩阵中“不存在”，邻接点不可到达该点，且该点没有value值跟状态，使用符号‘#’表示 以任意除以上两种结点之外的所有其它结点为起点， 阅读全文

摘要：1.利用动态序列或时间分量去最优化一个问题的程序 它是解决复杂问题的一种方法，通过分解子问题，解决子问题，组合子问题的解来实现 2.动态编程是解决包含以下属性问题的解决办法： 1）最优子结构 最优应用原则和最优解能被分解成子问题 2）覆盖子问题 子问题出现多次 子问题的解可以被缓存和重复利用 3）M 阅读全文

摘要：1.MDPs介绍 1）马尔可夫决策过程正式描述了强化学习的环境，并且环境是可观测的 2）当前状态完全刻画了整个过程 3）几乎所有的强化学习问题都可以描述成为MDPs,比如 最优控制优先使用连续MDPs 部分可观测问题可以转换为MDPs “侠盗飞车”也是状态相关的MDPs 2.马尔可夫特性：即无记忆性 阅读全文