强化学习-动态规划精简版

强化学习导论依然坚持在翻译，但工作量实在太大，先给出精简版。

强化学习book资料下载链接：https://gitee.com/CCHChenChangHong/QiangHuaXueXi/attach_files

动态规划（Dymamic Programming）以下简称DP。

DP要求一个完全已知的环境模型，MDP五元素全部知道。

你不记得什么是MDP五元素？MDP五元素为S,A,P,R,gama，分别对应状态(state)，动作（action），状态转移概率（比如你到一个十字路口，你目前的状态(s)就是站在路口准备向下一个方向走，你有前后左右四个选择，假如你往左走的概率是20%，那么你从站立状态到往左走状态的状态转移概率为20%），奖励（reward），惩罚因子（gama）

DP是有模型学习（model-base learning）

强化学习是序列决策问题（就像过十字路口，要先走到路口才有下一步），DP也是序列决策问题，不同的是DP是环境已知，agent不需要靠与环境的交互来获取下一个状态（在十字路口中，到路口自然选择方向，没有与