什么是强化学习？

强化学习(Reinforcement learning，简称RL)是和监督学习，非监督学习并列的第三种机器学习方法，如下图示：

首先让我们举一个小时候的例子：

你现在在家，有两个动作选择：打游戏和读书。如果选择打游戏的话，你就跑到了网吧，选择读书的话，就坐在了书桌面前。你爸妈下班回家，如果发现你在网吧，就会给你一套社会主义的铁拳，如果你在书桌面前的话，就会买根棒棒糖给你吃。

首先，你在家的时候并不知道选择哪一个动作，因此你可能会选择study或者game。但是，当你接受了多次社会主义的毒打和奖励棒棒糖之后，你会发现选择game会得到惩罚，选择study你会得到奖励。因此当你再次处于”home“状态时，你就会偏向于选择“study”。(这便是强化学习！！)

强化模型可以建模如下：

以上面的为例子，对如下进行说明：

Agent：Agent也就是执行个体，我们可以操作执行个体做出不同的选择(也就是动作Action)。

图中的“你”

Environment：我们研究的环境，它有一个一个的状态(State)。

图中你所处的位置状态：网吧or书桌

Action：当Agent做出动作(action)的时候，环境会发生改变也就是State会发生改变。

选择Study或者Game后你会处于书桌或者网吧的状态

Reward：当State发生改变时，环境会给予一定的奖励(奖励可为正负)。

拳头or棒棒糖

总的来说，就是Agent在$t$时刻处于$s_t$状态，它会做出某一个动作$a_i$，导致$t+1$的状态为$s_{t+1}$，同时在$t+1$时刻得到