强化学习（ReinforcementLearning,RL），又称再励学习、评价学习或增强学习，是机器学习的范式和方法论之一，用于描述和解决智能体（agent）在与环境的交互过程中通过学习策略以达成回报最大化或实现特定目标的问题[1]。 强化学习的常见模型是标准的马尔可夫决策过程（MarkovDecisionProcess,MDP）。按给定条件，强化学习可分为基于模式的强化学习（model-basedRL）和无模式强化学习（model-freeRL）[1]，以及主动强化学习（activeRL）和被动强化学习（passiveRL）[2]。强化学习的变体包括逆