README

符号说明

符号	说明
	强调一段轨迹中第步的状态、动作、奖励，有时也写作，大写更强调随机变量
	某个事件的概率，以区分与状态转移矩阵
	回报（），指从时间步开始的未来（折扣）奖励和
	状态价值，表示在策略下，从状态出发的期望回报
	动作价值，表示在策略下，从状态出发，采取动作的期望回报

符号	说明
	从某个初始状态出发，根据当前策略与环境交互，采样出一整条轨迹的过程。
	，即最大步数减去当前步数，表示智能体能向前“看到”的时间长度
	回报，即从时间步开始的未来（折扣）奖励和