马尔可夫决策过程
教材《人工智能导论》3.4.1 · 已审核
通俗解释
马尔可夫决策过程用状态、动作、转移和奖励描述交互式序列决策。策略决定在给定状态下采取什么动作，目标关注长期累计回报。
例子
迷宫中机器人位于某格，可向上或向右移动，靠近出口获得奖励。
容易混淆
奖励不是监督学习里的标准答案标签。
检查理解
走迷宫时状态、动作与奖励可以怎样定义？
查看参考答案
位置等信息可构成状态，移动方向是动作，移动后的新位置体现转移，接近或到达目标的反馈是奖励。
教材《人工智能导论》3.4.1 · 已审核
马尔可夫决策过程用状态、动作、转移和奖励描述交互式序列决策。策略决定在给定状态下采取什么动作，目标关注长期累计回报。
迷宫中机器人位于某格，可向上或向右移动，靠近出口获得奖励。
奖励不是监督学习里的标准答案标签。
走迷宫时状态、动作与奖励可以怎样定义？
位置等信息可构成状态，移动方向是动作，移动后的新位置体现转移，接近或到达目标的反馈是奖励。