君子之学必日新，日新者日进也。不日新者必日退，未有不进而不退者

前文提到了强化学习源自马尔可夫决策过程，本文从马尔可夫概念入手，讲解和马尔可夫有关的模型和概念。在马尔科夫决策过程中，我们有一个智能体，它在一个马尔科夫过程中进行决策，每次决策都会导致状态的转移和获得即时奖励。智能体的目标是通过选择动作来最大化未来奖励的期望值。通常马尔科夫决策过程是个五元组：SAPRγSAPRγS 表示状态集合，代表智能体可能处于的所有状态。A 表示动作集合，代表智能体可以采取的所有动作。

以上就是今天要讲的内容，本文简单介绍了强化学习的历史、基本思想，下文讲解马尔可夫模型。