李宏毅强化学习笔记【0.强化学习导论】

agent观察（observation即为state）environment agent对做一些动作（action），影响environment 因为有一些影响，environment给agent一些reward，告诉他是好的影响还是坏的影响 agent要学习，如何采取动作才能让期望的reward最大   有时候reward很稀疏，大部分为0（什么都没发生），只有少数有数值，这是一个困难。   监

>>阅读原文<<