いきなりですが、状態価値関数・Bellman方程式について調べたくてこの記事にたどり着いた方は、何も考えずに以下の記事に飛んでください．時間を無駄にしなくてすみます． qiita.com 今回から、上のQiitaに投稿された記事をトレースしながら状態価値関数から…

はじめに 今回は、強化学習における最も重要な考え方の１つであるマルコフ決定過程について整理していきます． 目標 マルコフ決定過程の概要を理解する マルコフ決定過程（Markov Decision Processes） 強化学習の枠組み（再掲） マルコフ決定過程の説明に先…