强化学习旨在从与环境的互动中学习策略，以最大化长期回报。 在实践中，我们通常期望策略可以是从状态特征到候选动作的非线性映射，因此具有适应复杂决策情况的能力。 功能表示（通过功能表示将功能表示为基本功能的组合）是学习非线性功能的强大工具，并且已在策略学习中使用（例如，非参数策略梯度（NPPG）方法）。 尽管功能表示具有许多独特的优点，但是功能表示策略包含大量基础功能仍然存在实际缺陷，因此在学习许多构成基础功能时，策略学习算法将花费大量时间。 由于要不断评估复杂的策略，因此该缺陷将严重妨碍功能表示在
