https://plumephp.com/tags/rl/Recent content in RL on PlumePHPHugozh-CNWed, 30 Sep 2026 13:00:00 +0800https://plumephp.com/ml-reinforcement-learning-intro/Wed, 30 Sep 2026 13:00:00 +0800https://plumephp.com/ml-reinforcement-learning-intro/<h2 id="引言">引言</h2> <p>监督学习教模型「这个输入对应哪个答案」，强化学习教模型「<strong>怎么做能拿更多回报</strong>」——它没有标准答案，只有环境给的奖励信号。下棋、机器人控制、推荐排序、广告投放都靠它。本文用可运行的 Python 讲透强化学习的骨架：MDP 五要素、策略与价值函数、动态规划与 Q-learning、再到深度强化学习 DQN，最后在经典环境里跑通一个小例子。</p>