一文看懂强化学习中的那些概念及各算法之间本质上的联系易懂梳理简单举例与python实践

关键点1：强化学习它的基本思路

强化学习它的思路基本是想要遍历穷举计算各种状态的价值，然后尽可能的达到高价值的那些状态。那么什么是状态？什么是状态的价值？不同问题的里面含有的“状态”的内容和数量都不一样。下面我举个例子。
比如玩井字棋（三个相同色在一条线就赢）。看下面这张图**，每张图对应的棋子放置的位置就是一个状态**。（在本例子中我们编程的话那就保存一个状态就只需要用一个3×3的数组来保存棋谱即可）。

# 用3×3的二维数组保存状态1,假设棋盘中没落子的地方值为0，黑棋为1，绿棋为2
state1 = [
	[0,1,0],
	[2,1</