Andrew Ng机器学习教程17(2)

Andrew Ng机器学习课程17(2)

声明：引用请注明出处http://blog.****.net/lg1259156776/

说明：主要介绍了利用value iteration和policy iteration两种迭代算法求解MDP问题，还介绍了在实际应用中如何通过积累“经验”更新对转移概率和reward的估计的学习模型，并结合两种迭代算法进行求解的完整过程。