我只对马尔可夫决策过程（MDP）有一个简单的问题，对于该问题，我无法从文献中获得以下任何直接回答：
我知道，与半MDP相比，MDP中的决策周期（决策时期之间的时间）是恒定的。但是，如果这个固定/固定时间的决策周期可以包含多个样本（不一定是固定数量的样本），我对此感到困惑，那么基于该样本可以估算当前状态并在决策时期做出决策？
我的问题是，我无法使用标准MDP定义（具有一个样本决策周期）或SMDP定义（保持周期/决策周期是可变的，并且仅当状态更改。另外，MDP的其他复杂扩展，例如POMDP，CMDP，似乎也不适合这种简单的，略有不同的MDP方法。
对此主题的任何建议/见解将不胜感激。 预先感谢！