A.一組可以動態(tài)變化的狀態(tài)(state)。比如圍棋棋盤上的黑白子的分布位置,市場上的每支股票的價格
B.一組可以選取的動作(action)。比如對于圍棋來說,就是可以落子的位置;對于股票交易來說,就是每個時間點,買入或者賣出的股票以及數(shù)量
C.一個可以和決策主體(agent)進(jìn)行交互的環(huán)境。這個環(huán)境會決定每個動作后狀態(tài)如何變化。比如說圍棋博弈中的對手,或者股票市場。在強(qiáng)化學(xué)習(xí)中,為了降低學(xué)習(xí)的代價,很多時后我們會使用一個通過機(jī)器模擬的環(huán)境,而不是以真實場景作為環(huán)境
D.回報(reward)規(guī)則。當(dāng)決策主體通過行動狀態(tài)發(fā)生變化時,它會獲得回報或者受到懲罰
E.以上皆是