Tag Archives: 强化学习

python中使用马尔可夫决策过程(MDP)动态编程来解决最短路径强化学习问题

在强化学习中，我们有兴趣确定一种最大化获取奖励的策略。假设环境是马尔可夫决策过程 （MDP）的理想模型 ，我们可以应用动态编程方法来解决强化学习问题。