1.基本概念
- Agent：智能体
- System Environment：系统环境/实验的操控者
- Observation/State：观察值（Agent眼中环境的状态）
- Action：行动/Agent的反映
- Reward：回报/反馈
在经典强化学习中，智能体要和环境完成一系列交互
（1）在每一个时刻，系统都将处于一种状态
（2）智能体将设法得到环境当前状态的观察值
（3）智能体根据观察值，结合自己历史的行为准则（策略，Policy）做出行动。
（4）这个行动会影响环境的状态，是环境发生一定的改变。Agent将从改变后的环境中得到两部分信息：新的环境观测值和行为给出的回报。Agent可以根据新的观测值做出新的行动。
2.强化学习两个特点
（1）不断试错
（2）看重长期回报
