文章目录概念介绍state（状态）Action（动作）Statetransition（状态转移）Policy（策略）reward（奖励）Trajectory（轨迹）andreturnDiscountedreturn（折扣回报）Episode（回合）一般是有终止点的轨迹Markovdecisionprocess（MDP）-一个对应三个单词的过程要素马尔可夫的过程概念介绍例子：网格