行而上

摘要： 本文首先定义马尔可夫决策过程，然后给出给定策略时计算状态值函数的贝尔曼方程。基于此，给出计算最优策略的贝尔曼最优化方程，可以证明该方程有唯一解，且该解就是最优决策。最后，简要地比较计算最优决策的两种算法：值迭代与策略迭代。 阅读全文