K-MDP（K-马尔可夫决策过程）

K-MDP（K-Markov Decision Process）通常指一种多任务或多智能体强化学习框架，其中 K 个智能体或任务共享相同的状态转移和奖励函数，但各自拥有独立的动作空间。它常用于迁移学习和多智能体协作，允许策略在不同动作集之间泛化。K-MDP 的提出背景是解决传统 MDP 难以处理异构动作空间的问题，技术核心在于分解状态-动作空间或学习共享表示。