强化学习走起

在这里呢，我以一个人的人生来解释，当然涉及到佛教轮回的知识。

首先，每一个人都是智能体，从出生到死亡，我们不断做的就是从周围的环境中收集信息，知道自己的状态state，然后针对某种目的，采取行动action，采取行动后，我们就改变了自己的状态，从而再次根据状态采取行动，如此循环直到死亡，这就是一个episode了。
但是，我们通常的理解人死如灯灭，但是在强化学习中，是有轮回的，但是我们不会喝孟婆汤，于是我们再次出生是会有上一世的记忆。我们这一世，可以结合上一世的记忆，不断修正自己的思想（策略），知道在某种状态采取哪些action才可以达到自己的目标。

强化学习中的aciotn和state上文已经提到了，下面我们了解一下其余的概念。
(1)reward：奖赏说明的是在某个状态下采取某个行为的好坏。比如你初三了，接下来的action包括去市一中或者去县一中，所以采去市一中的reward肯定会比较大。
(2)价值函数v(s)：价值函数(Value Function)代表了代理在某一个状态有多好。其在数值上等于代理从初始状态开始之后所受到的总期望奖励。
(3)策略函数：策略定义了代理在环境中的行为，代理会根据策略来决定到底要选择哪一种策略。比如在你的一生中的上学时光，上哪一个小学，上哪一个初中，上哪一高中，上哪一个大学，都是由策略函数决定的。
这里只是简单介绍了一下强化学习中的基本的一些知识，这些知识以后还会遇到，这里只是有一个浅显的理解，有一个简单的印象。
另外，欢迎大家指出其中的不足之处，谢谢！