强化学习入门之路

马尔科夫过程(MDP)

所有事物的进行时都可以看作一个状态->接受输入->输出结果->更新状态的过程，这个过程被成为马尔科过程

一些概念

状态: 动作: 奖励: 期望: 策略: 动作期望: 状态期望: 动作价值: 状态价值: 策略评估: 策略提升:

一些算法&公式

贝尔曼期望方程: 蒙特卡洛算法: SARSA算法: Q-Learning算法: DQN算法: DQN改进算法: PPO算法: GRPO算法:

我的学习心得