强化学习概念

0.

强化学习的方法有：Q Learning（基于价值）,Sarsa（基于价值）,Policy Gradients(基于概率).

1.经验（观察observation，激励reward，行动action）

2.状态（state）

 3.马尔科夫决策过程（MDP）

 4.大致步骤

5.

计算累计奖励的期望，下面是对某个状态而言的：

下面是对所有状态而言的：

6。