[英]Why do we need MDP setting in reinforcement learning
在许多强化学习（RL）论文中，马尔可夫决策过程（MDP）是RL问题的典型问题设置。 此设置的真正好处是什么？ 一些论文使用LSTM作为其策略网络结构，这显然违反了MDP假设，并且更有意义。
基本上，马尔可夫决策过程提供了一个理论框架，可以分析算法的收敛性保证以及其他理论属性。 尽管LSTM和其他与RL相结合的深度学习方法已经取得了令人印象深刻的结果，但它们缺乏扎实的理论背景，无法理解或确保算法何时将学习有用的东西，或者所学习的策略与最佳策略之间的距离。
为什么老虎机问题在强化学习中也称为一步/状态 MDP？
[英]Why the bandit problem is also called a one-step/state MDP in Reinforcement learning?
对理解强化学习MDP的Q（s，a）公式感到困惑吗？
[英]Confusion in understanding Q(s,a) formula for Reinforcement Learning MDP?
MDP & Reinforcement Learning - VI、PI 和 QLearning 算法的收敛性比较
[英]MDP & Reinforcement Learning - Convergence Comparison of VI, PI and QLearning Algorithms
声明:本站的技术帖子网页，遵循CC BY-SA 4.0协议，如果您需要转载，请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.
