摘要： 今天是强化学习的简单介绍。个人理解的强化学习目标就是找到获得最大奖励的策略（特定状态下应该怎么采取行动）。但为了防止不收敛（毕竟存在一种极端情况，随着作出的策略增多“获得奖励”的速度减缓，但整体仍然无限增多的情况）而导致的无限运行无法收敛，需要一个折扣因子来“削减”即得的奖励来防止过度追求最大奖励导 阅读全文