毕竟,对任何机器学习实践者来说,RL(强化学习,即ReinforcementLearning)都是一种十分有用的工具,特别是在AlphaGo的盛名之下。第一部分,我们将具体了解了MDPs(马尔可夫决策过程)以及强化学习框架的主要组成部分;第二部分,我们将构建并学习有关价值函数和Bellman(贝尔曼方程)的理论知识,它是强化学习中最重要公式,我们将一步一步地推导、解释,以揭开强化学习的神秘面纱。当然,本文只是尽力用最快、最直观的方式带你来理解强化学习背后的理论,而要加深自己在该话题上的理解,Sutton和Barto所写的“ReinforcementLearning:AnIntrodu