你可能感興趣的試題

A.第一層
B.倒數(shù)第二層
C.倒數(shù)第一層
D.第二層
E.倒數(shù)第三層

A.一組可以動(dòng)態(tài)變化的狀態(tài)（state）。比如圍棋棋盤(pán)上的黑白子的分布位置，市場(chǎng)上的每支股票的價(jià)格
B.一組可以選取的動(dòng)作（action）。比如對(duì)于圍棋來(lái)說(shuō)，就是可以落子的位置；對(duì)于股票交易來(lái)說(shuō)，就是每個(gè)時(shí)間點(diǎn)，買(mǎi)入或者賣(mài)出的股票以及數(shù)量
C.一個(gè)可以和決策主體（agent）進(jìn)行交互的環(huán)境。這個(gè)環(huán)境會(huì)決定每個(gè)動(dòng)作后狀態(tài)如何變化。比如說(shuō)圍棋博弈中的對(duì)手，或者股票市場(chǎng)。在強(qiáng)化學(xué)習(xí)中，為了降低學(xué)習(xí)的代價(jià)，很多時(shí)后我們會(huì)使用一個(gè)通過(guò)機(jī)器模擬的環(huán)境，而不是以真實(shí)場(chǎng)景作為環(huán)境
D.回報(bào)（reward）規(guī)則。當(dāng)決策主體通過(guò)行動(dòng)狀態(tài)發(fā)生變化時(shí)，它會(huì)獲得回報(bào)或者受到懲罰
E.以上皆是