智能体（agent）与 奖励函数（reward function）& 策略（policy）
智能体（agent）与环境（environment）之间的交互。
一、奖励函数（reward function）
奖励函数（reward function），它为智能体在特定状态下采取的每个动作提供即时奖励（或惩罚）。
游戏环境（如Atari游戏）
场景：智能体需要学会玩Atari游戏，比如Pong或Breakout。
奖励函数：
在Pong中，每次击球得分时给予正奖励，失去球时给予负奖励。
在Breakout中，每次击中砖块给予正奖励，失去球时给予负奖励。自主驾驶汽车
场景：智能体控制一辆自动驾驶汽车，目标是安全、快速地从起点到达终点。
奖励函数：
每行驶一定距离给予正奖励。
如果车辆偏离道路或接近碰撞给予负奖励。
到达目的地给予大量正奖励。机器人导航
场景：一个机器人需要从房间的一个点导航到另一个点。
奖励函数：
每向目标点移动一步给予小的正奖励。
如果机器人触碰到障碍物或边界给予负奖励。
成功到达目标点给予大量正奖励。股票交易
场景：智能体需要学习何时买入和卖出股票以最大化利润。
奖励函数：
每次交易后，如果智能体获得利润给予正奖励，亏损给予负奖励。
持有股票不活跃时，可以给予小的负奖励以鼓励智能体进行交易。语言模型
场景：训练一个语言模型来生成自然的语言文本。
奖励函数：
每次生成的句子与训练数据中的文本相似度高给予正奖励。
生成的句子语法错误或语义不通给予负奖励。健康应用
场景：开发一个应用，鼓励用户保持健康的生活方式。
奖励函数：
用户完成健康活动（如走路、跑步）给予正奖励。
用户达到健康目标（如步数、卡路里消耗）给予额外正奖励。
用户未能达到目标或进行不健康行为给予负奖励。拼图游戏（如Sudoku或Tetris）
场景：智能体需要学会解决Sudoku或玩Tetris。
奖励函数：
在Sudoku中，每填入一个正确的数字给予正奖励，填错给予负奖励，完成拼图给予大量正奖励。
在Tetris中，每消除一行给予正奖励，游戏失败给予负奖励。节能优化
场景：智能体控制建筑物的能源使用，目标是最小化能源消耗。
奖励函数：
每减少一定量的能源消耗给予正奖励。
如果能源使用超过某个阈值给予负奖励。
达到节能目标给予额外正奖励。
二、策略（policy）
策略（Policy）是一个从状态空间到动作空间的映射，它定义了智能体在给定状态下应该采取什么动作。策略是智能体行为的指导原则，其目的是最大化长期累积奖励。
简化的棋盘游戏（如井字棋 Tic-Tac-Toe）
状态空间：游戏棋盘上每个格子的可能状态（空、X 或 O）。
动作空间：在空格子上放置 X 或 O 的选择。
策略：一个简单的策略可能是：
如果有赢的机会，优先放置 X 或 O。
如果对手有赢的机会，阻止它。
否则，随机选择一个空格子。自动驾驶
状态空间：包括车辆的速度、周围物体的位置、交通信号、道路条件等。
动作空间：加速、减速、转向、变道等。
策略：策略可能是：
如果前方有停车标志，减速并停车。
如果交通信号为绿灯，且道路畅通，加速前进。
如果检测到行人横穿马路，紧急刹车。机器人路径规划
状态空间：机器人在环境中的当前位置。
动作空间：向前移动、向后移动、左转、右转等。
策略：策略可能是：
如果前面是障碍物，左转或右转避开障碍物。
如果当前位置接近目标，直接向前移动。股票交易算法
状态空间：包括股票的历史价格、交易量、市场趋势等。
动作空间：买入、卖出、持有。
策略：策略可能是：
如果股票价格低于其历史平均价格，且市场趋势向上，买入。
如果股票价格高于其历史平均价格，且交易量减少，卖出。
如果市场不稳定，持有观望。客户服务聊天机器人
状态空间：用户的问题、情绪状态、之前的对话历史。
动作空间：不同的回答选项或行动。
策略：策略可能是：
如果用户表现出不满，提供安抚的回答并提供帮助选项。
如果用户询问常见问题，提供标准答案。
如果用户的问题复杂，转接给人工客服。游戏AI（如Pacman）
状态空间：Pacman的位置、怪物的位置、可以吃的点、能量豆的位置。
动作空间：上、下、左、右移动。
策略：策略可能是：
如果怪物靠近，寻找最近的转弯点以躲避。
如果能量豆附近没有怪物，朝能量豆移动。
如果路径清晰，朝最近的可以吃的点移动。
