强化学习策略-第2篇.docxVIP

PAGE5/NUMPAGES5

强化学习策略

TOC\o1-3\h\z\u

[标签:子标题]0 3

[标签:子标题]1 3

[标签:子标题]2 3

[标签:子标题]3 3

[标签:子标题]4 3

[标签:子标题]5 3

[标签:子标题]6 4

[标签:子标题]7 4

[标签:子标题]8 4

[标签:子标题]9 4

[标签:子标题]10 4

[标签:子标题]11 4

[标签:子标题]12 5

[标签:子标题]13 5

[标签:子标题]14 5

[标签:子标题]15 5

[标签:子标题]16 5

[标签:子标题]17 5

第一部分强化学习基础

关键词

关键要点

马尔可夫决策过程

1.马尔可夫决策过程（MDP）是强化学习的数学框架，通过状态（State）、动作（Action）、奖励（Reward）和转移概率（TransitionProbability）描述序贯决策问题，其核心假设是马尔可夫性，即未来状态仅依赖于当前状态和动作。

2.MDP的优化目标通常是最大化累积折扣奖励（CumulativeDiscountedReward），折扣因子（DiscountFactor,γ∈[0,1]）平衡即时与长期收益，例如γ=0.9时，未