Introduction

• 最大化数值回报
• 多级决策（马尔可夫过程）
• learn by trial-and-error
• 行动不一定只会影响即刻的回报，同时也会影响未来的回报 (Delayed effect)

element:

Maze example:

给一个s，就能得一个a

具体的目标：

returns：