定义
包含以下四5部分的系统称为马尔科夫决策过程：
- 状态
- 模型（也就是Transition model/function, 必须满足两个属性 1. 静态，也就是指model-based？2. 马尔科夫性）
- 动作
- 奖励
- 策略，策略就是1-4步形成的问题的解！
注意模型需要满足2中的两个特性。
image.png
Q:如何理解策略？
A:策略就是一个函数映射Pi，Pi(s)->a,该映射将给定状态s映射为一个动作a
Q:强化学习和监督学习的区别？
Q:什么是Plan，和Policy的区别是？
A:Plan是状态到序列的映射，而Policy是状态到动作的映射。具体说，Plan将给定的一个状态s，映射为一个动作序列。在MDP中，我们求解的对象时Policy而不是Plan，只要有了Policy，肯定就万事大吉了。
