【干货】易忽略的强化学习知识之基础知识及MDP【上】

由于我对RL的期望挺大，很看好它的前景，故之后应该会写下一个系列的强化学习文章，标题是易忽略的强化学习知识之XX，也就是说，我写下的是我觉得有必要知道比较重要并容易忽略的知识。也许不会所有强化学习的知识都全面的写，但希望可以对大家有所帮助，同时巩固我自己的知识！

1. 强化学习是什么？和监督学习，无监督学习是什么关系？

2. 强化学习的主要应用是什么？在其他如NLP的应用呢？

3. 模仿学习是什么？和强化学习联系？

4. 强化学习的整体运行流程是什么样的呢？

5. 强化学习的分类

6. 什么是马尔可夫(Markov)性？什么是MP?什么是MRP？

7. 动态规划是什么？为什么可以利用动态规划来解决MDP？

强化学习是什么 ：是多学科多领域交叉的一个产物，它的本质就是解决“decision making”问题，即学会自动进行决策。

在计算机科学领域体现为机器学习算法。
在工程领域体现在决定操作动作的顺序来得到最好的结果。
在神经科学领域体现在理解人类大脑如何做出决策，主要的研究是奖励机制。
在心理学领域，研究动物如何做出决策，动物的行为是由什么导致的。
在经济学领域体现在博弈论的研究。
.......

它是什么可以是如图所示：

以上所有的问题最终都归结为一个问题，人 为什么能够并且如何做出最优决策 。是 怎么样找到最优决策的