强化学习（1）
Reinforcement Learning
Goal-directed learing from ineraction with the environment.
1. Basic Element 基本元素
1.1 Agent 玩家
1.2 Environment
1.3 Goal
2. Main Element 主要元素
2.1 State
2.2 Action
状态与行为往复
2.3 Reward
目标：最大化总的奖励
3. Core Element 核心元素
3.1 Policy
当前状态采取怎样行动？策略函数！！！
3.2 Value
state value状态价值函数 -> 实数（将来所有奖励期望值）
state-action value状态行动价值函数 -> 实数
3. Trial and Error 试错 / Delayed Reward 延迟奖励
行动可能有价值无奖励
4. Exploitation 利用 / Exploration探索
利用价值最高行动
5. K-armed Bandit 多臂老虎机（不存在延迟奖励）
6. Error 误差，基于误差的学习方法
Sample Average(样本平均):
OOXX游戏