写在最前：参加DataWhale十一月组队学习记录
【教程地址】
https://github.com/datawhalechina/joyrl-book
https://datawhalechina.github.io/easy-rl/
https://linklearner.com/learn/detail/91
强化学习
强化学习是一种重要的机器学习方法，它使得智能体能够在环境中做出决策以达成特定目标。在这篇博客中，我们将深入探讨强化学习的三个关键领域：基础知识、马尔可夫决策过程和表格型方法。
第1章 强化学习基础
在本章中，我们将介绍强化学习的基本概念，包括智能体(agent)、环境(environment)、奖励(reward)和策略(policy)。我们将探讨这些概念如何共同作用，以及它们在学习过程中的重要性。
智能体和环境
奖励系统
策略的概念
第 2 章 马尔可夫决策过程
马尔可夫决策过程(MDP)是强化学习中的一个核心概念。我们将讨论状态(state)、动作(action)、转移概率(transition probability)等关键要素，以及如何通过这些要素来建模决策过程。
MDP的定义
状态和动作
转移概率和奖励函数
第 3 章 表格型方法
在许多强化学习问题中，表格型方法是解决问题的第一步。我们将探索如何使用表格来存储和更新有关状态和动作的信息，以及这些方法如何在实际问题中应用。
