首页/博客/强化学习从零到一 01｜基本概念：从试错到马尔可夫决策过程综合强化学习从零到一 01｜基本概念：从试错到马尔可夫决策过程掘金2026-11-03 09:540 次浏览扫地机器人没人教，怎样自己找到充电座？用四组漫画和八道手算例题，讲清强化学习的基本概念：智能体与环境、奖励与回报、折扣因子、马尔可夫决策过程和马尔可夫性，以及策略怎样决定平均回报。原文：https://juejin.cn/post/7703516970494214179我的收藏上一篇批量转码前用 ffprobe 筛一遍，36 个文件能跳过 26 个下一篇每天一个开源项目#148 T3 Code：把代理会话与代码工作区分开管理相关文章乌方称受俄军袭击影响，基辅暂停供水当地时间11月3日，乌克兰“基辅水务公司”通报称，俄罗斯袭击导致首都基辅能源基础设施受损。该公司主要供水设施断电，基辅全市目前暂时停止供水。（央视新闻）0界面新闻伊朗方面称与美国的协议尚无新进展伊朗否认有关其与美国即将达成协议的报道，伊朗方面称与美国的协议尚无新进展。国际油价小幅拉升，目前，WTI原油期货价格涨0.11%，布伦特原油期货价格跌0.35%。0界面新闻11月3日晚间公告集锦|品茗科技实控人遭证监会立案，宇通客车10月汽车销量2956辆同比下降2.76%，千里科技10月整车销量6282辆同比下降25.81%今晚，这些重要投资消息你需要知道。0界面新闻中际旭创：2027年绝大部分订单已覆盖全年，2028年已有至少一家重点客户给出了明确需求指引且需求强劲0界面新闻美国罗素2000指数涨幅达1%美国罗素2000指数涨幅达1%。0界面新闻三季度中国央行购金创四年单季新高0界面新闻
