关于部分已知MDP的讲义
人工智能
2022-06-22 v2 形式语言与自动机理论
摘要
在本讲义中，我们将解决为我们并未完全已知的马尔可夫决策过程（MDPs）寻找最优策略的问题。我们的意图是从离线设置缓慢过渡到在线（学习）设置。即，我们正迈向强化学习。
引用
@article{arxiv.2112.02976,
title = {Lecture Notes on Partially Known MDPs},
author = {Guillermo A. Perez},
journal= {arXiv preprint arXiv:2112.02976},
year = {2022}
}