剛剛在刷杭電題的時候看到的，似乎也是乙個很有意思的東西，有點博弈論的感覺
母題的意思是有賭徒甲有資本a元，賭徒乙有資本b元，兩人進行賭博，每賭一局輸者給贏者1元，沒有和局，直賭至兩人中有一人輸光為止。設在每一局中，甲獲勝的概率為p，乙獲勝的概率為q=1-p，求甲先輸光的概率。
過程一大堆看不懂又麻煩，直接上結果吧：
假設總資產是c=a+b;
當p==q時：
甲先輸光的概率是：b/c;
乙先輸光的概率是：a/c;
當p！=q時：
甲先輸光的概率是：（（q/p）^a-（q/p）^c）/（1-（q/p）^c）;
乙先輸光的概率是（1-（q/p）^a）/（1-（q/p）^c）;
其中甲先輸光的概率+乙先輸光的概率==1；
馬爾科夫過程，馬爾科夫獎勵過程和馬爾科夫決策過程
馬爾科夫決策過程是強化學習中的乙個基本框架，用來表示agent與環境的互動過程 agent觀測得到環境的當前狀態之後，採取動作，環境進入下乙個狀態，agent又得到下乙個環境狀態的資訊，形成乙個迴圈迴路。在理解馬爾科夫決策過程之前，首先要理解馬爾科夫 馬爾科夫獎勵過程。1.馬爾科夫過程 滿足馬爾科夫...
馬爾科夫決策過程
1.能夠檢測到理想狀態 2.可以多次嘗試採取不同動作 3.系統的下乙個狀態只與當前狀態有關，而與之前的狀態無關。在決策過程中還和當前採取的動作有關。s 表示狀態集 a 表示一組動作 p 表示狀態轉移概率。psa表示在當前狀態s下，執行動作a,轉移到其他狀態的概率。r 獎勵還是。表示agent採取某個...
簡述馬爾科夫決策過程（上）
在人工智慧中，大家可能知道兩種技術，第一是機器演算法，第二是深度學習。而在深度學習中有強化學習和突破學習這兩種技術。這兩種技術給深度學習帶來了很大的幫助。而強化學習中有乙個技術，那就是馬爾科夫決策過程，那麼什麼是馬爾科夫決策過程呢？下面我們就給大家介紹一下這個內容。初聽馬爾科夫決策過程，相信大家也是...