深度强化学习系列【1】- 强化学习的背景、基础理论等

引言：

这篇博客主要是学习清华大学车辆学院 李升波老师（Shengbo Eben Li）的PPT课件的一些心得体会。

---

1. 深度强化学习的背景、发展与理论变迁

1.1 序

Out of TAO, One is born;
One produces Two;
Two produces Three;
Out of Three, the Universe is created.
by Lao Tzu
老子的一生二，二生三，三生万物 可以说是世界进化发展史的一个描述，当然这里面似乎缺乏适者生存的进化论思想。这部分没有听过李升波老师的演讲，所以还不明白智能和这块怎么牵扯到一块。。。

顺着这个话题，我们简要讨论下生物界神经元的数目。水母（Jellyfish）只有5x10E3的神经元，而果蝇只有5.6x10E3 的神经元。而人类有86亿神经元。当然这个神经元体量的比较可能并不合理，因为近