ch_ccc的博客

广泛地讲，强化学习是机器通过与环境交互来实现目标的一种计算方法。机器和环境的一 轮交互是指，机器在环境的一个状态下做一个动作决策，把这个动作作用到环境当中，这个环 境发生相应的改变并且将相应的奖励反馈和下一轮状态传回机器。这种交互是迭代进行的，机 器的目标是最大化在多轮交互过程中获得的累积奖励的期望。强化学习用智能体（agent）这个 概念来表示做决策的机器。相比于有监督学习中的“模型”，强化学习中的“智能体”强调机器 不但可以感知周围的环境信息，还可以通过做决策来直接改变这个环境，而不只是给出一些预 测信

随机过程是一个或者多个事件，随机系统或随机现象随时间发生演变过程；