标签：地方 src 一个 width mamicode auto 现在 info 状态
最近又入坑RL了，要搞AutoML就要学会RL，真的是心累。。
MDP里面比较重要的就是状态值函数和动作-状态值函数吧，然后再求最优状态值函数和最优动作状态值函数，状态值函数的公式推导一开始不懂，卡在了一个地方，现在记下来，
很关键的一个在于“和的期望等于期望的和”
标签：地方 src 一个 width mamicode auto 现在 info 状态
原文地址：https://www.cnblogs.com/yqpy/p/11093604.html
