Day1：强化学习基本概念

一、基本概念

1. Agent 智能体：执行动作的对象

2. State 状态：对当前环境的概括

3. Action 动作：智能体基于当前状态做出的决策

4. Reward 奖励：智能体执行完一个动作后，环境反馈给智能体的一个数值。（由程序编写者定义）

5. State transition 状态转移：智能体从当前t时刻的状态s转移到下一时刻的状态s'的过程。

注：状态转移是随机的，其随机性来自于环境。

6. State transition function 状态转移函数：

注：这个函数表示，在当前状态s下，智能体执行动作a，环境状态变成s’的可能性。由于环境是随机的，所以即使s和a是确定的，s‘仍旧具有随机性。

7. polocy 策略：如何根据观测到的状态s决策选择动作a。强化学习