引言：
一直想做點強化學習相關的內容，但是對于其原理一直不是太明了,相比于編程實現，懂得算法部分的機理與理論也是至關重要的。網上找的一些資料都在強調貝爾曼方程和馬爾可夫決策過程在強化學習中的作用，但是介紹都不夠充分。 另外，在知乎【1】上看到一個說法，說 強化學習 屬于 運籌學或者 動態規劃這一范疇。當然，更加基礎一些的內容包括：概率論，隨機過程等。這個博客基于網上的一些資料，對強化學習的關鍵概念進行了總結。