强化学习简介

强化学习是机器想里面非常重要的一个派别。智能体agent会不断执行一些操作，通过结果来学习，在不同的环境中分别应该采取怎样的行动。

一些常见的算法如：
Q学习，深度Q网络 (DQN) ，策略梯度 (Policy Gradients) ，演员-评论家 (Actor-Critic) ，以及近端策略优化 (PPO)等。

奖励假说为根基

问题来了，目标为什么是预期累积奖励最大化？

因为，强化学习原本就是建立在奖励假说的基础之上。想表现好，就要多拿奖励。

每一个时间步 (time step) 的累积奖励都可以表示为：

或者

不过，我们没有办法把奖励直接相加。因为游戏里，越接近游戏开始处的奖励，就越容易获得；而随着游戏的进行，后面的奖励就没有那么容易拿到了。

把智能体想成一只小老鼠，对手是只猫。它的目标就是在被猫吃掉之前，吃到最多的奶酪。

就像图中，离老鼠最近的奶酪很容易吃，而从猫眼皮底下顺奶酪就难了。离猫越近，就越危险。结