1．请分别解释马尔可夫性、马尔可夫过程和马尔可夫决策过程。
2．MDP五元组M=<S，A，P，R，γ>中，各个字母代表的含义是什么？
3．对于一个马尔可夫决策过程，奖赏值数量有限，请给出状态转移函数和回报函数。
4．扑克和围棋均属于MDP问题，两种游戏之间有什么本质区别？
5．请写出贝尔曼期望方程和贝尔曼最优方程。
6．强化学习的目标是什么？什么是最优策略和最优值函数？
7．最优值函数和最优策略为什么等价？
