强化学习-基本概念

state：agent相对于环境的status。

action：基于state可采取的行动。

state transtion：通过action从state1变换到state2。

policy：告诉agent在对应state下执行哪种action。

reward：agent在设计时会朝着reward期望最多的方向前进，其主要依赖当前的state和action。

trajectory：state-action-reward链，遇到终点后的trajectory也可以叫episode。

return：trajectory中所有的reward求和。

discounted return：在return中各项reward前×对应次方的gamma。

MDP(Markov decision process)：