RLChina

###强化学习基础  ![](https://img2023.cnblogs.com/blog/1577777/2 ......

###纯博弈： 单纯的动机组合，离散的集合 ###混合博弈： 加入了概率论，以百分比的概率执行不同的的动机。，概率分布 零和博弈、合作博弈、协同博弈 ###扩展博弈和非完美信息 ###扩展博弈、贝叶斯博弈 ###纳什均衡 任何一位玩家在此策略组合下单方面改变自己的策略（其他玩家策略不变）都不会提高自 ......

###序列决策  **序列决策问题一般用马尔可夫决策模型进行描述** ![](https://img2023.cnb ......

###MDP算法 MDP被定义为一个元组(S,A,P,r,R) S:所有状态集合 A:在环境力里面智能体所作动作的集合 P:状态转移函数P(s'|s,a)，智能体在当前s下，执行a之后，转移到是s'的概率 R:奖励函数R(s,a),表示在环境s下执行动作a之后获得的立即奖励，有时候还需要知道s'是多 ......