强化学习&基础1.1 | 智能体与环境交互过程

强化学习的过程是agent与环境不断交互的过程，从环境得到反馈，然后来改变自己的行动。

智能体首先接受环境的状态S0

智能体在S0的环境下采取行动A0

环境收到智能体的行动后从S0 变化到S1

环境对智能体的行为做出回报reward（可正可负，表示奖励或惩罚），R1

智能体收到奖励后对环境采取行动A1

环境状态接收到动作A1后由状态S1变化到S2，并且给予奖励R2
智能体与环境交互的过程为
状态S0 采取A0
得到R1 》状态S1 采取A1
得到R2 》状态S2 采取A2
得到R3 》状态S3 采取A3
得到R4…持续下去

目标为最大化期望累计奖励reward也就是将所有到达目标的reward的期望加起来的最大值。

如果需要定义一个强化学习问题，需要指定状态、动作和奖励并制定环境规则。