部分可见马尔可夫决策过程（POMDP)（一）

现实世界中，智能体往往智能观察到部分信息。每个智能体智能感知它周围的环境状态，并不了解系统的状态。部分可见可尔科夫决策过程（POMDP）比MDP更接近一般的决策过程。POMDP可以看成MDP的拓展，状态空间包括对应于MDP的状态集合上的概率分布。

POMDP模型

通常，使用一个七元组描述POMDP，其中S，A，T，r，与MDP一致。此外：

• O: 一组观察结果集。
• Z: 是一个观察函数，表明状态和观察之间的关系。

在POMDP中，智能体不能确定自己处于哪个状态，因此对下一步动作选择的决策基础是当前所处状态的概率。智能体不断收集环境信息，更新自己所处状态的可信度。“信息收集”不能直接把智能体导向目标，而是作为缓冲，让智能体先运动到临近位置，利用临近位置上的环境信息来提高智能体对自己所处状态的可信度。只有非常确定自己的状态，智能体做出的决策才是更加有效的。因此，在每个时间周期，智能体无法准确得知自己的环境状态，但是可以通过观察得到状态的不完整信息。通过观察和动作的历史来作决策。在t时刻观察和行为的历史定义为：

对于历史的描述会消耗很大存储空间，为解决这一问题，需要对历史进行压缩，即采用较短的历史代替所有的观察和行为。