标签: #数学基础

详细梳理了State Value与Action Value的定义，推导了贝尔曼期望方程（Bellman Expectation Equation）的通用形式及其矩阵表达。

整理了强化学习中的State、Action、Reward等核心定义，以及马尔可夫决策过程（MDP）的组成要素。