文档摘要

1.1 核心概念：智能体、环境、状态、动作与奖励 本节摘要：智能体是通过试错学习的决策者，环境是它无法完全控制但可以观察的外部世界，状态是对世界某一时刻的描述，动作是智能体可做的选择，奖励是环境给出的单步数值反馈。这五个概念构成强化学习的最小闭环，其余一切（价值函数、策略梯度、经验回放）都是在这个闭环上加装的部件。本节的任务是把每个零件的边界划清楚，尤其是奖励——它不是"分数"，而是你写给智能体的目标函数。 会员。《1.1 核心概念：智能体、环境、状态、动作与奖励》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。

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