与马尔可夫奖励过程相比,马尔可夫决策过程引入了哪一个新的元素()A. 动作B. 反馈C. 终止状态D. 概率转移矩阵

马尔可夫奖励过程（Markov Reward Process, MRP）是强化学习中的一个基本概念，它描述了一个状态序列，其中每个状态都与一个奖励相关联。而马尔可夫决策过程（Markov Decision Process, MDP）则是在MRP的基础上，引入了“动作”这一概念，即在每个状态下，智能体可以采取不同的动作，这些动作会影响状态的转移和奖励的获得。因此，MDP比MRP多了一个动作的概念，使得智能体能够通过选择不同的动作来影响其环境和获得的奖励。