强化学习是我后续准备系统整理的重要方向。

当前先记录一个简要框架，后续会逐步扩展为更完整的学习笔记，包括：

  • Agent、环境、状态、动作、奖励
  • 值函数和策略的基本理解
  • DQN、PPO 等常见算法
  • 强化学习和工程控制问题的结合