1、介绍：强化学习是什么？
假定一个智能体（agent），在一个未知的环境（environment）中处于当前状态（state），采取了一个行动（action），然后收获了一个回报（reward），并进入了下一个状态。最终目的是求解一个策略让agent的回报最大化。
解决实际问题：明天去打球还是学习？（分类问题）
如果打球（惩罚 -1），如果学习（奖励 +1）。
2、强化学习方法汇总：
3、强化学习包含：
- 智能体（agent）
- 状态（state）
- 行为（action）
- 奖励（reward）
- 策略（policy）
4、马尔科夫链（MDP）：
5、强化学习：
当前价值Q = r【当前奖励】+γ【折扣因子】*max(下一步价值)