强化学习入门篇：从智能体交互到马尔可夫决策过程

强化学习让智能体在持续交互中通过后果学习行为，而非记忆标准答案，其核心框架由智能体、环境、状态、动作和奖励五个对象构成。文章以移动机器人走迷宫为例说明策略、折扣回报与探索-利用矛盾，并用马尔可夫决策过程（MDP）五元组统一描述状态转移与奖励产生。价值函数与贝尔曼方程把长期回报拆解为递归的一步关系，是Q-learning、DQN等后续算法的主线。