第一章 理解强化学习的数学基础：马尔可夫决策过程（MDP）
1.1 什么是强化学习的"骨架"
强化学习的核心问题可以抽象为：智能体（Agent）如何通过与环境（Environment）的持续交互，找到最大化长期收益的最优策略。马尔可夫决策过程（Markov Decision Process, MDP）正是描述这一过程的数学框架。
一个完整的MDP由以下五元组定义：
- 状态集合（S）：环境可能存在的所有状态
- 动作集合（A）：智能体可以执行的所有动作
- 转移概率（P）：P(s’|s,a)表示在状态s执行动作a后转移到状态s’的概率
- 奖励函数（R）：R(s,a,s’)表示在状态s执行动作a后转移到状态s’时获得的即时奖励