强化学习（一）： 引入

今天开始连载强化学习，这个是以前看Reinforcement Learning: An Introduction 这本书做的笔记，最近发现Richard S. Sutton 和 Andrew G. Barto还在为本书更新，所以就想着把原来的笔记也更新一下，整理然后放在这里。
因为是笔记形式，所以这里的货是非常的干的。都是把自己认为重要的东西记了下来，当然也许会有太过骨感的意味。 但因为本次的定位不是给从不知道的人看的，而是给那些至少知道这本书的人一起交流的。

今天是引入，所以也就是几个概念。

Introduction

强化学习是学习如何最大化奖励。

强化学习一直需要面对一个问题，即是权衡exploration（开发） 与exploitation（探索）。

强化学习的一大特点是agent与不确定环境的互动。

Elements of Reinforcement Learning

Policy: 是学习agent在任何时刻的行为方式，是一个从当前环境状态到动作空间的映射。策略是强化学习的核心，强化学习可理解为如何做决策从而获得最大奖励，因此，策略即为最重要的部分，策略可以是一个简单的映射函数，也可能是一个‘状态形为’表格。另外，策略也可能是随机的形式，即在某一状态下，只给出每个形为的概率。

Reward: 强化学习的目标。在强化学习中，agent的目标就是最大化它能获得的所有reward。单个reward只是处于某一状态的即时感觉，那长远来看，即agent可能获得的所有reward，用value function来度量。

Value of a state: 是agent从当前状态算起，未来能获得的所有的reward总和。

Model of a environment: 是所有可用于推断环境如何反应的信息。