如题目＞▽＜
概率论小知识
随机变量，X记为随机变量，x记为已被观测的变量
概率密度函数（PDF）
随机变量在某个确定的取值点附近的可能性
例：高斯（正态）分布
期望
对于连续分布：p(x)为概率密度函数，f(x)的期望为E[f(x)]
对于离散分布：
专业术语（Terminology）
state（状态） and action（动作）
Agent：动作由谁做谁就是Agent，可以理解为智能体
policy（策略）π函数
根据状态做出决策来控制Agent运动
π是一个概率密度函数π:(s,a)->[0,1]:π(a|s) = P(A=a|S=s)， 给定状态s做出动作a的概率密度
通过状态s，马里奥（agent）可以做出三种动作中的一种，把这张图片输入给π，会获得
- π(left|s) = 0.2
- π(right|s) = 0.1
- π(up|s) = 0.7
为什么要随机抽一种结果：如果策略确定就有规律可循了，就像剪刀石头布，出拳策略如果对方了解那么就不可能赢了
reward（奖励）
- 获得一个金币：R=+1
- 赢得游戏：R=+10000（设置大，以赢得游戏为主要目的）
- 游戏结束：R=-10000
- 无事发生：R=0
state transition（状态转移）
可以是确定的，也可以是随机的，通常认为状态不可控是随机的。这种随机性是从环境里来的。
