克豪的博客

什么是强化学习研究智能体(Agent) 如何从与环境的交互中，通过获得成功与失败、奖励与惩罚的反馈信息来进行学习有一个非常重要的前提条件，即智能体在与环境交互时，需要环境时时提供反馈信息——强化 (Reinforcement) 信息或奖励 (Reward) 信息，以便让智能体知道哪些行为能够获得正奖励，而哪些行为获得负奖励，并据此调整自己的行为策略。这种学习方式，与动物依靠强化信息建立条件反射的原理非常类似——动物将疼痛与饥饿识别为负奖励，将快乐和食物识别为正奖励，并依此产生相应的行为。强化学习领

https://blog.csdn.net/icefire_tyh/article/details/52064910