强化学习（RL） 专注于强化学习的相关概念，用例和学习方法 涵盖了RL中使用的关键术语，基本元素，围绕RL的概念/主题等。 地区 多武装强盗问题（MABP） 有限马尔可夫决策过程（MDP） 动态编程方法 蒙特卡洛方法 时差（TD）学习 n步自举 表格解法和近似解法 用例 临床试验：临床试验期间患者的健康状况以及研究的实际结果极为重要。 在这种情况下，探索等同于确定最佳治疗方法，而剥削则是在试验过程中尽可能有效地治疗患者。 网络路由：路由是为网络中的流量（例如电话网络或计算机网络（互联网）