强化学习之MDP

前言

最近又入坑RL了，要搞AutoML就要学会RL，真的是心累。。

正文

MDP里面比较重要的就是状态值函数和动作-状态值函数吧，然后再求最优状态值函数和最优动作状态值函数，状态值函数的公式推导一开始不懂，卡在了一个地方，现在记下来，

很关键的一个在于“和的期望等于期望的和”