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）等）选择路径的过程。可以将信道分配给正确的用户，以使总吞吐量最大化，可以表示为： MABP。
在线广告：广告活动的目标是从展示广告中获得最大收益。 每次网络用户单击要约时，广告商都会创收。 与MABP相似，在探索（目标是使用点击率收集有关广告效果的信息）和利用（我们坚持至今效果最好的广告）之间要权
