概念
RL（Reinforcement Learning）–强化学习是指agent(智能体)，通过使未来得到的奖励最大化，来学习在不确定的环境中所要进行的动作。
特点
强化学习不同于其他机器学范式的区别在于以下几点：
1、There is no supervisor,only a reward signal(在ＲＬ中没有监督者，只有一个奖励信号)
2、Feedback is delayed,not instantaneous（反馈被延迟了，智能体并不会立即得到反馈,过一段时间才会知道当时的选择所带来的结果是好是坏）
3、Times really matters.(sequential) 时间上会影响决策结果，因为每一个行为都会影响下一个行为，智能体最终会选择使奖励值最大的一系列行为，往往应用在序列化动作场景中。
4、Agents’s action affect the subsequent data it receives(智能体的行动会影响到随后的数据接收)，因为选取的行为不一样，得到的奖励也就不一样，会导致后来接收的收据不一样。
分类
RL按照分类标准的不同：可以分为
１、Ｍｏｄｅｌ－Ｆｒｅｅ ＲＬ（无模型强化学习）和Ｍｏｄｅｌ－Ｂａｓｅｄ ＲＬ（基于模型的强化学习）
2、基于概率的深度学习(Policy-Based RL)和基于价值的深度学习(Valued-Based RL)
基于概率的深度学习算法：policy gradient、trust region、evolution
基于价值的深度学习算法：TD-learning、Q-learning、SARSA
AC(Actor-Critic)算法：结合了policy-based和value-based方法的优点。
3、基于回合更新（Monte-Carlo update）和基于单步更新(Temporal-Difference update)的深度学习算法
4、在线学习(On-Policy)和（Off-Policy）的RL算法
在线学习（On-Policy）的RL算法有：Sarsa，Sarsa(λ）
离线学习（Off-Policy）的RL算法有：Q Learning Deep Q Network