MLPrague 2020-如何制定数据驱动型决策：情境多臂匪徒的案例 其他名称：联想强化学习，联想土匪，带有部分反馈的学习，具有辅助信息的土匪 强化学习的要素 除了主体和环境之外，还可以识别强化学习系统的四个主要子元素：策略，奖励信号，价值函数以及（可选）环境模型。 策略-定义学习代理在给定时间的行为方式。 粗略地说，策略是从感知到的环境状态到处于这些状态时要采取的措施的映射。 它对应于心理学中所谓的一组刺激－React规则或联想。 在某些情况下，策略可能是简单的函数或查找表，而在其他情况下