看完觉得深受启发的一篇文章，根据自己的理解翻译过来留以后再次翻看
原文地址http://neuro.cs.ut.ee/demystifying-deep-reinforcement-learning/
衰减未来奖励(Discounted Future Reward)
为了在周期很长的游戏中同样表现出色，我们需要考虑的不仅仅是当下即时奖励，同样还有未来我们能够得到的。那么我们该如何做呢？
假设应用马尔科夫决策过程，我们可以简单计算出一个周期的总奖励：
但是，因为我们的环境的随机性，我们不能确定下次用同样的行动是否能拿到相同的奖励。越遥远的将来，不确定性越大。因此，通常做法是使用衰减未来奖励代替确定的未来奖励：
γ 是一个介于0到1间的值，表示未来衰减因子——距离当下越远，我们对它的考虑越少。由上述公式很容易推导出以下公式：
如果我们将衰减因子设置为γ=0，表示我们的策略将使短视的即不考虑未来获得奖励仅依赖当下奖励。如果我们想要在当下奖励和未来奖励之间取得平衡，我们可以将γ设置为0.9之类的数。总而言之，γ的值越高，我们对未来奖励越看重。如果我们的环境是确定无随机变化的，并且相同的行动总会获得相同的奖励，我们可以将γ设置为1.
一个好的策略是不论什么环境，总能选到一个行动，来最大化我们获得的奖励。（无论多烂的牌，都要出的精彩）