- 什么是强化学习？
强化学习任务通常用马尔科夫决策过程（MarkovDecision Process,MDP）来描述：机器处于环境E中，状态空间为S，其中每个状态s∈S是机器给你知道的环境的描述；机器能采取的动作构成了动作空间A，若某个动作a∈A作用在当前状态s上，则潜在的转移函数P将使得环境从当前状态按某种概率转移到另一个状态，在转移到另一个状态的同时，环境会根据潜在的“奖赏”（Reward）函数R反馈给机器一个奖赏。综合起来，强化学习任务对应了四元组强化学习任务通常用马尔科夫决策过程（MarkovDecis
