强化学习

强化学习处理的是“没有标准答案、只有后果”的问题：这一步好不好，要看很久之后才揭晓的回报。它引入了智能体、环境、状态、动作、奖励这套语言，并用价值函数与策略梯度两种思路去逼近最优行为。