马尔可夫决策过程python库
markov-rlzoo的Python项目详细描述
啊！[mdp image]（https://cdn-images-1.medium.com/max/1200/1*qboz2yq5fy6ynzyvspxzw.png）
\markov：用于马尔可夫决策过程的简单python库执行以体验分布式系统的性能优势。
State
Policy Probabilities.
#### Policies:
- Greedy Policy
- e-Greedy Policy
- More to come...
#### Algorithms:
- Dynamic Programming
- Linear coming soon
#### Optimizers:
- Value/Policy Iteration
- More to come...
#### Environments:
- Gridworld (ASCII, pygame马上就要来了）
-健身房马上就要来了
-还有更多…
折扣系数=1.）：
v=0
i，枚举中的操作（state.actions）：
policy=state.policy[i]
next_state=action（env，state.action_args）
r=next_state.reward
v+=policy*（r+折扣系数*next_state.value）
values[state.index]=v
=argparse.argument parser（）
parser.add_argument（“--k”，help=“k次迭代次数”，
type=int，默认值=1）
args=parser.parse_args（）
k=args.k
\markov：用于马尔可夫决策过程的简单python库执行以体验分布式系统的性能优势。
State
Policy Probabilities.
#### Policies:
- Greedy Policy
- e-Greedy Policy
- More to come...
#### Algorithms:
- Dynamic Programming
- Linear coming soon
#### Optimizers:
- Value/Policy Iteration
- More to come...
#### Environments:
- Gridworld (ASCII, pygame马上就要来了）
-健身房马上就要来了
-还有更多…
折扣系数=1.）：
v=0
i，枚举中的操作（state.actions）：
policy=state.policy[i]
next_state=action（env，state.action_args）
r=next_state.reward
v+=policy*（r+折扣系数*next_state.value）
values[state.index]=v
=argparse.argument parser（）
parser.add_argument（“--k”，help=“k次迭代次数”，
type=int，默认值=1）
args=parser.parse_args（）
k=args.k
欢迎加入QQ群-->： 979659372
