李宏毅強化學習筆記【0.強化學習導論】

agent觀察（observation即爲state）environment網絡 agent對作一些動做（action），影響environment學習 由於有一些影響，environment給agent一些reward，告訴他是好的影響仍是壞的影響3d agent要學習，如何採起動做才能讓指望的reward最大code   有時候reward很稀疏，大部分爲0（什麼都沒發生），只有少數有數值，這

>>阅读原文<<