基本概念篇（三），强化学习基本概念小结

现在，总结一下我们前面介绍的相关内容：

首先，我们介绍了强化学习的八个基本要素，具体参见：基本概念篇（一），强化学习基本要素
其次，我们对强化学习的过程进行了描述，具体参见：基本概念篇（二），强化学习过程

具体来讲，强化学习可以描述成一个MDP（马尔科夫决策过程），即 M = { S , A , P , r , γ , τ } M=\left\{S,A,P,r,\gamma,\tau\right\} M={ S,A,P,r,γ,τ}，这其中：
$S$ 是状态集；
$A$ 是动作集；
$P$ 是状态转移矩阵；
$r:S\times A\to \left[-R_{max},R_{max}\right]$ 为实时环境奖励；
$\gamma \in \left[0,1\right]$ 为折扣因子；
$\tau =(s_0,a_1,s_1,a_2,s^{}$