深度理解强化学习

1.马尔科夫决策过程与强化学习的关系：能构造MDP就可以用强化学习。

2.模型预测：针对值

3.模型控制：获得最优策略

4.Pss'a的含义为当前agent所处的状态s下，经过动作a后状态转移至s'的概率大小。

5.Pss'a转移至s’也是存在一定随机性的。

6.只考虑下一步动作带来的影响，而不考虑之后一些列动作带来的影响，虽然简单，很多情况下就是最优解。

7.策略为在每个可能的状态，agent应该采取的动作概率的分布。

8.策略是强化学习的核心部分，策略的好坏最终决定了agent的行动和整体性能。

9.策略可以是随机的，也可以是确定的。

10.一个策略函数定义为π：S>A，即输入为状态S，输出为 A

11.策略的实质为，告诉agent状态S下该执行的动作。

12.策略可分为确定策略和不确定策略。