为什么用强化学习？
智能体的选择动作是根据以往的训练效果（奖惩函数），并结合当前的状态来决定；这便是强化学习的目的，挖掘状态和动作的隐蔽相关性。
如果状态和动作的相关性很明显的话，那么就不需要用强化学习来做了。
例如：在微电网的削峰填谷的场景下，任意时刻只要知道微电网当前缺电（状态），那么电动汽车就放电（动作）；微电网当前电量剩余很多（状态），就给电动汽车充电（动作）。不考虑约束条件以及奖惩函数（结果）的话，这就属于相关性很明显。
但是需要考虑的是： 电动汽车在离开时，电池的电量需要达到车主的预期值。那么这时候就不能 根据上面这套简单的逻辑去执行动作了。
奖惩函数与约束条件怎么区分？
那为什么不能把 “电动汽车在离开时，电池的电量需要达到车主的预期值” 只作为约束条件呢？
- 因为约束条件指的是任意时间都需要满足的条件，而奖惩函数一般是经过一段时间得出才有意义，不一定每一时刻最优，追求的是整个过程结束之后全局最优。
- 约束条件比奖惩函数更严格
