引言：
一直想做点强化学习相关的内容，但是对于其原理一直不是太明了,相比于编程实现，懂得算法部分的机理与理论也是至关重要的。网上找的一些资料都在强调贝尔曼方程和马尔可夫决策过程在强化学习中的作用，但是介绍都不够充分。 另外，在知乎【1】上看到一个说法，说 强化学习 属于 运筹学或者 动态规划这一范畴。当然，更加基础一些的内容包括：概率论，随机过程等。这个博客基于网上的一些资料，对强化学习的关键概念进行了总结。