Part 1：RL中的核心概念

欢迎来到强化学习！在这里，我们的目标是让您熟悉

  • 用于讨论该主题的语言和符号
  • 从宏观层面上解释RL算法是做什么的（虽然我们尽可能的避免了它们是 如何 做到的这一问题）
  • 以及一点点属于算法基础的数学知识

简而言之，RL是对agent的研究以及它们如何通过反复试错来学习。它正式确定了以下想法：针对agent的行为对其奖励或者惩罚，会使得agent在未来更有可能重复或者放弃该行为。