RL——POMDP

• 参考链接：POMDP讲解

MDP

• 
  • 对于确定决策，策略的概率值为1即可

    POMDP

• 

• 求解方案

• 
• 
• 
• 
  • RL本身并不假设知道状态转移矩阵等，所以其实可以直接使用RL求解POMDP试一下的，只是RL不保证收敛而已（PS：Q-Learning还是收敛的吧，只是DQN没有数据证明收敛）
  • 如果能建模出来POMDP的整个过程，没必要用RL了