Sutton的强化学习第十二章阅读摘要。

Sutton 第七章强化学习读书笔记

理解马尔科夫决策过程（MDP） 贝尔曼方程和价值迭代 策略迭代与 Q 学习 MDP 的扩展：部分可观...

回顾了强化学习的数学基础，重点介绍了马尔可夫决策过程、贝尔曼方程和动态规划。