マルコフ決定プロセス マルコフ決定プロセス

マルコフ決定プロセス (英語: Markov Decision Process、略して MDP) は、ランダム性と意思決定要素を備えた動的システムを記述するために使用されます。 これは、意思決定者が確率的環境で意思決定を行うための数学的アーキテクチャ モデルを提供し、動的プログラミングと強化学習の最適化問題に対する効果的な数学的ツールを提供します。 MDP は、動的計画法によって解決される最適化問題を研究するのに役立ちます。 少なくとも 1950 年代から知られており、ロボット工学、オートメーション、経済学、製造などの多くの分野で使用されています。 

マルコフ決定プロセスは、アクション (選択を可能にする) と報酬 (モチベーションを与える) が追加されることを除いて、マルコフ連鎖の拡張です。