《强化学习》学习（二）——强化学习的结构与实例_强化学习例子

前言

强化学习就是把行为的学习看成反复试验或试错（Trial and Error）的过程，从而形成对动作的映射，以便对每个特定的环境都会产生一个适当的动作。

定义

具有学习能力的机器称之为Agent。

从广义上讲，与Agent交互的物体，包括Agent之外的一切都被称为环境。

Agent与环境之间的相互作用是一个持续的过程。

强化学习定义：所谓强化学习就是Agent从环境到行为映射的学习，以使奖励信号函数(强化信号)最大。

交互过程：

①Agent感知环境的状态，其中S为可能状态的集合；

②Agent基于感知的状态，根据某种策略选择一个动作，（