强化学习基本概念

智能体（agent）

例如alpha-go中的棋盘，用于产生动作的主体就是智能体。

状态（state）

l例如当前棋盘中的局势就是状态，表示的是主体执行动作之前需要考虑的外部环境

动作（action）

例如下围棋中的落子，表示智能体在某个状态下采取的一个行为

奖励（reward）

例如当某一步有利于最后取得胜利，那么奖励记为1，否则记为-1。奖励是智能体用来决策在当前状态应该采取什么动作的参考标准。智能体的动作应该朝着未来奖励最大化方向行动。

策略（policy）

理解为目标。例如下围棋的策略就是占地面积比对方大。

 

他们的转换关系如下图