强化学习笔记（一）

1.一个强化学习系统的两个关键元素：奖励（reward）、策略（policy）；

奖励（reward）：强化学习的学习目标，在做出行动后接收到来自环境的奖励。

策略（policy）：决策者根据不同的观测决定采取不同的策略。强化学习的对象。

2.与监督学习、非监督学习的区别；

3.智能体（agent）、环境（environment）的概念及两者之间的交互；

4.强化学习的分类：基于价值、基于策略；

基于价值的强化学习定义了状态或动作的价值函数，来表示到达某种状态或执行某种动作之后获得的回报。基于价值的强化学习倾向于选择价值最大的状态和动作；而基于策略的强化学习不需要定义价值函数，可以为动作分配概率分布，按照概率分布来执行动作；

如果强化学习算法用到了深度学习，则这种强化学习算法可以称之为深度强化学习（DRL）；

Markov性:是Markov决策过程模型对状态的额外约束，它要求状态含有可能对未来产生影响的所有过去信息。

：策略，是基于状态做出行动的概率。记为;

5.奖励、回报与价值函数

状态价值函数

动作价值函数

6.Bellman期望方程用来进行策略评估；