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 By tecdat2月 20, 2020大数据部落, 数理统计, 计算机科学与技术MDP, python, 动态编程, 强化学习, 最短路径, 马尔可夫 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。
