毕竟，对任何机器学习实践者来说，RL（强化学习，即ReinforcementLearning）都是一种十分有用的工具，特别是在AlphaGo的盛名之下。第一部分，我们将具体了解了MDPs(马尔可夫决策过程)以及强化学习框架的主要组成部分；第二部分，我们将构建并学习有关价值函数和Bellman(贝尔曼方程)的理论知识，它是强化学习中最重要公式，我们将一步一步地推导、解释，以揭开强化学习的神秘面纱。当然，本文只是尽力用最快、最直观的方式带你来理解强化学习背后的理论，而要加深自己在该话题上的理解，Su

毕竟，对任何机器学习实践者来说，RL（强化学习，即ReinforcementLearning）都是一种十分有用的工具，特别是在AlphaGo的盛名之下。第一部分，我们将具体了解了MDPs(马尔可夫决策过程)以及强化学习框架的主要组成部分；第二部分，我们将构建并学习有关价值函数和Bellman(贝尔曼方程)的理论知识，它是强化学习中最重要公式，我们将一步一步地推导、解释，以揭开强化学习的神秘面纱。当然，本文只是尽力用最快、最直观的方式带你来理解强化学习背后的理论，而要加深自己在该话题上的理解，Su