文档摘要

第 1 章 · 智能体与环境：从最小闭环开始 章节摘要：一切强化学习系统都可以压缩成一句话——一个智能体在环境中观察状态、选择动作、收到奖励，并随着时间推移学会让累积奖励更大。本章把这个最小闭环拆成零件逐个检查：智能体、环境、状态、动作、奖励、策略、价值函数；再补上两块地基性的认知——回报与折扣因子（为什么远期的奖励要打折），以及回合式与连续式任务的区别和探索利用困境。 会员。《第 1 章 · 智能体与环境：从最小闭环开始》收录于灏天文库文集《强化学习与智能体训练：从 Q-Learning 到深度强化学习》，原作者/来源：灏天文库，整理自「灏天文库」，提供技术教程、实践指南与问题解决方案，支持在线阅读、全文检索与知识沉淀，助力开发者系统化学习。本站整理收录，版权归原作者/开源协议所有。

该文档为会员专享，请先登录或注册后再查看

登录 注册

---

作者与出处

原作者： 灏天文库

来源：灏天文库

原文： https://aiknowledge.cn/collection/540-%E5%BC%BA%E5%8C%96%E5%AD%A6%E4%B9%A0%E4%B8%8E%E6%99%BA%E8%83%BD%E4%BD%93%E8%AE%AD%E7%BB%83%E4%BB%8E-q-learning-%E5%88%B0%E6%B7%B1%E5%BA%A6%E5%BC%BA%E5%8C%96%E5%AD%A6%E4%B9%A0

整理： 灏天文库整理

由灏天文库平台收录，内容或由平台用户上传，仅供学习交流