参考文献：
https://www.cnblogs.com/pinard/p/9385570.html
之前有一个项目在算法设计阶段用到了强化学习方案，突击了两周学习了一些基础知识，虽然后来由于项目方向变更方案没有实施，但由此对强化学习产生了兴趣，也断断续续的看一些相关的材料。最近在看刘建平的强化学习笔记，觉得写的思路清晰易懂，遂参照其思路也记录一下自己对强化学习的理解。
一、什么是强化学习？
强化学习和人类学习的方式比较像，都是从实践中获得经验，不断的进化。举个例子：
看电视和写作业。小明的爸妈不在家，小明一开始出于让自己爽而看电视，爸妈回来后发现就批评小明，罚一天的零花钱。小明从这个行为反馈的经验中得到了负反馈，第二天小明出于长远利益的考虑就会先把作业写完了再去看电视。当然，这个例子貌似也不是很百分百，因为总有些熊孩子可以每天都看电视。
那么强化学习和我们通常所说的机器学习有什么关系呢？看下图：
强化学习是和监督学习、无监督学习并列的一种学习方式。
强化学习和监督学习比较，强化学习是没有标签的，而监督学习是基于一堆有便签样本训练，而强化学习中的奖励也是在动作发生后给出，而不是在事先给出的。
强化学习个无监督学习比较，他们的区别还是在奖励这个地方，无监督学习是纯基于元数据，没有标签也没有奖励。同时，无监督学习的样本和监督学习一样样本之间是独立的，而强化学习处理的样本往往是一个有前后依赖关系的序列。
二、强化学习的建模