有一个概率密度函数p(x)，求解随机变量x基于此概率下某个函数f(x)的期望，表示如下： 如果概率分布形式比较简单的话，我们可以采用解析的方法： 如果f(x)过于复杂的话，直接求解就非常复 ...

一、问题引入 回顾上篇强化学习 2 —— 用动态规划求解 MDP我们使用策略迭代和价值迭代来求解MDP问题 1、策略迭代过程： 1、评估价值 (Evaluate) \[v_{i ...