强化学习原理二 BasicConcepts

• 状态，State
  • 状态空间，State Space
• 行动，Action
• 状态转换，state transition
• 策略，Policy
  • 用数组或者矩阵表示这样一个策略
• 奖励，Reward
  • 不确定的话，表格就不适用了。这个时候就要用数学来表示：p(r=-1｜s1,a1)=1 and p(r!=-1|s1,a1)=0
• 轨迹，Trajectory A Trajectory is a state-action-reward chain.
  • 返回，return 可以用来评估一个策略好还是坏
  • discount rate
  • discounted return
• Episode
  • terminal states
• MDP Markov  Decision Process
  • Sets
    • State
    • Action
    • Reward
  • Policy
  • Probablity distribute
  • Markov property