深度强化学习 Deep Reinforcement Learning（DRL））
深度强化学习(Deep Reinforcement Learning，DRL)本质上属于采用神经网络作为值函数估计器的一类方法，其主要优势在于它能够利用深度神经网络对状态特征进行自动抽取，避免了人工 定义状态特征带来的不准确性，使得Agent能够在更原始的状态上进行学习。
强化学习是机器学习的一种学习方式，它跟监督学习、无监督学习是对应的。
强化学习和监督学习、无监督学习 最大的不同就是不需要大量的“数据喂养”。而是通过自己不停的尝试来学会某些技能。
强化学习的主流算法
免模型学习（Model-Free） vs 有模型学习（Model-Based）
有模型学习（Model-Based）对环境有提前的认知，可以提前考虑规划，但是缺点是如果模型跟真实世界不一致，那么在实际使用场景下会表现的不好。
免模型学习（Model-Free）放弃了模型学习，在效率上不如前者，但是这种方式更加容易实现，也容易在真实场景下调整到很好的状态。所以免模型学习方法更受欢迎，得到更加广泛的开发和测试。
- 状态：状态是对世界的完整描述，它们不隐藏状态上存在的任何信息。它可以是位置，常数或动态。我们主要在数组，矩阵或更高阶张量中记录这些状态。
- 行动：行动通常基于环境，不同的环境导致基于代理的不同行为。代理的有效操作集记录在称为操作空间的空间中。这些通常是有限的。
- 环境：这是代理人生活和互动的地方。对于不同类型的环境，我们使用不同的奖励，政策等。
- 奖励和回报：奖励函数R是必须在强化学习中一直被跟踪的函数。它在调整，优化算法和停止训练算法方面起着至关重要的作用。这取决于当前的世界状况，刚刚采取的行动以及世界的下一个状态。
- 策略：策略是代理用于选择下一个操作的规则，这些也称为代理大脑。
