增强学习的基本组成部分：

agent

环境

policy：定义了agent在给定时间如何学习。

激励信号：定义了增强学习的目标。

环境模型

增强学习的三大类

• 基于策略的增强学习
• 基于最优值的增强学习
• 基于模型的增强学习

：