强化学习构成要素

强化学习的主要构成要素包括：智能体、环境、行动、奖励。

智能体（Agent）

智能体是可以采取行动的智能个体。

环境（Environment）

环境指的就是智能体行走于其中的世界。环境的输入是智能体当前的状态和行动，输出是智能体的奖励和智能体下一步的状态。

行动（Action）

行动，是指智能体可以采取的行动，其构成的集合常用A来表示。在电子游戏中，这个行动列表可能包括向右奔跑或者向左奔跑，向高出处跳或者向低处跳，下蹲或者站住不动。在股市中，这个行动列表可能包括买入，卖出或者持有任何有价证券或者它们的变体。在处理空中飞行的无人机时，行动选项包含三维空间中的很多速度和加速度。

奖励（Reward）

奖励是我们衡量某个智能体的行动成败的反馈。它可能是即时的，也可能是迟滞的。