待验证50% 置信事实精确时间

马尔可夫决策过程（MDP）的关键假设是无记忆性，即下一个状态仅取决于当前状态和动作，与历史路径无关

1

来源数

50%

置信度

长期有效

时效性

2026/8/7

首次发现

来源

M.A.R.A：用强化学习从零训练会战斗的AI坦克

相关事实

待验证MDP的关键假设是未来只取决于当前状态而非历史路径77% 相似待验证马尔可夫链描述了具有无记忆性的随机过程，系统的下一状态只取决于当前状态，与历史路径无关75% 相似待验证马尔可夫性质认为系统的未来状态仅取决于当前状态与所采取的动作，与历史状态序列无关73% 相似已验证马尔可夫决策过程（MDP）为强化学习提供了完整的数学框架，其马尔可夫性质认为未来状态仅取决于当前状态与动作72% 相似已验证马尔可夫决策过程（MDP）由五个核心要素构成：状态空间、动作空间、状态转移概率、奖励函数和折扣因子69% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/699355

API

curl https://kongchang.com/api/v1/knowledge/claims/699355

MCP

get_claim(id=699355)