012-价值迭代算法求解MDP马尔可夫决策过程

[视频作者] Re_miniscence_

[视频时长] 29:21

[视频类型] 校园学习

简单讲解了利用值迭代算法，对马尔可夫决策过程中的，最优状态值函数和最优策略进行求解的框架。实际上还比较简单，由于up也刚接触，所以个人理解可能有不正确的地方，欢迎大家一起指正讨论。

以上内容由小不点搜索引擎从网站www.bilibili.com自动化索引镜像而来，不代表网站的即时内容，也无法确保其有效性；仅限个人学习使用，禁止商用。如有任何异议，请使用举报删除

影音视频访问链接

以下链接为影音视频“012-价值迭代算法求解MDP马尔可夫决策过程”在线访问地址，点击链接就可以访问查看啦

www.bilibili.com***677377

www.bilibili.com