David Silver深度强化学习第1课- intro-RL
网课：https://space.bilibili.com/74997410/#/
（1）https://www.bilibili.com/video/av9831889
PPT:http://www0.cs.ucl.ac.uk/staff/D.Silver/web/Teaching_files/intro_RL.pdf
参考：https://blog.****.net/songrotek/article/details/50572935
David Silver深度强化学习第1课 intro-RL
Agent（我们创建的算法）
算法就是一个从history映射到action的过程，其中history：
由于history包含了太多冗长的信息，因此我们用state代替history。
State
state is a function of history
两种形式的state
- environment state（环境状态）
是环境信息的展示，通常不可视，即使可见也会包含不相关信息 - agent state
也是数字形式。whatever information the agent uses to pick the
next action
以上两种状态的数学形式是Markov状态。 Markov状态具有Markov性质：将来的状态St+1只与现在的状态St有关，而与过去的状态无关。（状态表示法）。现在的状态St决定了未来所有的观测、状态、奖励、行动。
使用RL时，我们的主要任务即在完全可观测环境下创建agent状态，并以此决定下一步的policy。