马可夫决策过程 编辑
在数学中，马可夫决策过程是离散时间随机最佳控制过程。 它提供了一个数学框架，用于在结果部分随机且部分受决策者控制的情况下对决策建模。 MDP对于研究通过动态规划解决的最佳化问题很有用。 MDP至少早在1950年代就已为人所知； 一个对马可夫决策过程的核心研究是
罗纳德·霍华德于1960年出版的《动态规划和马可夫过程》。 它们被用于许多领域，包括机器人学，自动化，经济学和制造业。 MDP的名称来自俄罗斯数学家安德雷·马可夫，因为它们是马可夫链的推广。
5
图片 0 图片
评论 0 评论
匿名用户 · [[ show_time(comment.timestamp) ]]
[[ nltobr(comment.content) ]]
相关
学习自动机是一种1970年代就开始研究的机器学习算法。学习自动机是由对以往对环境的经验来选择目前的动作。若环境是随机过程的，且使用了马可夫决策过程，则这种学习自动机属于强化学习的算法。

部分可观察决策过程，是一种通用化的马可夫决策过程。POMDP模拟代理人决策程序是假设系统动态由MDP决定，但是代理人无法直接观察目前的状态。相反的，它必须要根据模型的全域与部分区域观察结果来推断状态的分布。