(1)强化学习基本概念

一、强化学习几个核心概念

1.环境（Environment）:
智能体生存和行动的外部世界，可以是真实物理世界，也可以是虚拟环境。
–环境具体例子：棋盘、迷宫、游戏场景等都是环境。

2.智能体（Agent）:
在环境中进行观察，作出决策并执行动作的主体，其目标最大化累计奖励。
例如：下棋程序、机器人等都是智能体。

3.状态（State）：
描述只智能体和环境的配置信息。
例如：国际象棋中棋盘状态，包括每个棋子所在为位置。

4.动作（Action）：
智能体可以在环境执行的可操作行为。
例如：下棋每一步可以移动位置。

5.奖励（Reward）：
与环境交互后，对智能体给予的评价反馈。
例如：吃掉一个棋子获得1分，被吃得-1分。

6.策略（policy)：
智能体选择动作的策略或行为准则。既可以是确定性策略，也可以是概率分布策略。

7.价值函数（Value Function):
评估某状态或状态-动作组合的长期回报期望。通过估计价值指导智能体策略。