强化学习笔记—马尔科夫决策过程(MDP)

这两篇写的都是很好的，方便以后自己回头看：附上两个链接
https://blog.csdn.net/unixtch/article/details/78922936#commentsedit
https://blog.csdn.net/liweibin1994/article/details/79079884