比如自动玩游戏的实例，对于游戏中的画面，每一帧的象素都是不同的，如果把所有的象素作为一种state，那么数据量非常的大。所以应该与深度学习进行解和，通过深度学习来计算Q-value 1.将图片二值化

实例：从位置6，寻找出口，1-14点的奖励值均为-1。 总之先要计算每一个状态下的每一个动作的收益值，然后寻求最大的收益。 计算收益的过程中，要综合的去计算当前动作的收益和下一状态的收益，下一状态的收益可以进行折扣。

马尔可夫决策要求： 能够检测到理想的状态可以多次尝试系统的下个状态只与当前状态信息有关，而与更早之前的状态无关，在决策过程中还与当前采取的动作有关。 Bellman方程：当前状态的价值和下一步的价值及当前的奖励(...

https://www.bilibili.com/video/av45015646?p=1 对于普通的学习，决策为二分类问题。强化学习中，对于每一个决策，设定一定的奖励或者惩罚，从而通过历史的经验进行判断如何获得最大化的奖励。 对个体进行定义各项参数 智...