马尔科夫决策过程之Markov Processes（马尔科夫过程）

介绍Markov Processes之前，必须介绍一下马尔科夫性质。

1

Markov Property

具有马尔科夫性质的状态满足下面公式： 

根据公式也就是说给定当前状态 St ,将来的状态与t时刻之前的状态已经没有关系。

如下图解释:

• St状态能够捕获历史状态的相关信息
• 一当当前状态 St 已知，历史可以被忽视

2

State Transition Matrix

可以用下面的状态转移概率公式来描述马尔科夫性：

其中的每行和为1.为什么每行和为1。我们可以举一个例子，比如我们掷骰子游戏，当前的点数为1，那么我们再一次掷骰子得到的点数的概率是多少呢？

对应于上面转移概率来说，即使我们不知道下一个具体点数的概率，但是我们至少知道下一个点数是1，2，3，4，5，6中的某一点，那么就会有：

3

Markov Process

马尔科夫过程一个无记忆的随机过程，是一些具有马尔科夫性质的随机状态序列构成，可以用一个元组表示，其中S是有限数量的状态集，P是状态转移概率矩阵。如下：

4

Student Markov Chain

学生马尔科夫链这个例子基本贯穿了本讲内容：

图中，圆圈表示学生所处的状态，方格Sleep是一个终止状态，或者可以描述成自循环的状态，也就是Sleep状态的下一个状态100%的几率还是自己。箭头表示状态之间的转移，箭头上的数字表示当前转移的概率。

举例说明：当学生处在第一节课（Class1）时，他/她有50%的几率会参加第2节课（Class2）；同时在也有50%的几率不在认真听课，进入到浏览facebook这个状态中。

在浏览facebook这个状态时，会有90%的几率在下一时刻继续浏览，也有10%的几率返回到课堂内容上来。

当学生进入到第二节课（Class2）时，会有80%的几率继续参加第三节课（Class3），也有20%的几率觉得课程较难而退出（Sleep）。

当学生处于第三节课这个状态时，他有60%的几率通过考试，继而100%的退出该课程，也有40%的可能性需要到去图书馆之类寻找参考文献，此后根据其对课堂内容的理解程度，又分别有20%、40%、40%的几率返回值第一、二、三节课重新继续学习。

5

Example: Student Markov Chain Episodes

一个可能的学生马尔科夫链从状态Class1开始，最终结束于Sleep，其间的过程根据状态转化图可以有很多种可能性，这些都称为Sample Episodes。

比如下面四个Episodes都是可能的：

C1 - C2 - C3 - Pass - Sleep

C1 - FB - FB - C1 - C2 - Sleep

C1 - C2 - C3 - Pub - C2 - C3 - Pass - Sleep

C1 - FB - FB - C1 - C2 - C3 - Pub - C1 - FB - FB - FB - C1 - C2 - C3 - Pub - C2 - Sleep

我们可以使用采样技术来sample一些Episodes。

slides如下：

6

Example: Student Markov Chain Transition Matrix

该学生马尔科夫过程的状态转移矩阵如下图：