強化學習入門

1.基本概念 state：當前環境的狀態+agent自身的狀態，是一個隨機變量，受到環境的影響 policy：根據當前state給出相應action的概率 State transition：在給定state，action下，環境給出下一個state的概率 return：回報，表示從t時刻開始未來所有回報的折扣累積，是一個隨機變量，隨機性來自於未來所有state和action Action-valu

>>阅读原文<<