强化学习，简而言之就是控制在某个环境下自主行动的个体，通过环境和规则的互动，不断改变它的行为模式。

比如，吃豆人游戏，自主行动的个体就是控制的吃豆人，环境就是迷宫，奖励就是吃到的豆子，行为就是上下左右的操作。

强化学习的输入是，角色在某一位置的状态，该状态下允许的操作，和每个操作带来的价