强化学习从基础到前沿

强化学习从基础到前沿（1）--如何评价一个决策：Bellman 方程

《强化学习从基础到前沿》系列的第一篇，从强化学习的基本概念出发，介绍如何用状态值函数评价给定策略，推导贝尔曼期望方程，并讨论其解析解与迭代求解方法。