我在B站上大学！【完整版-史蒂文斯理工学院-强化学习】全21讲！入门深度学习必看

小写观测值，大写随机值

离散的概率密度函数

要有随机性

动作概率

状态转移

得到游戏轨迹

t时刻不知，求期望得到q派，与st，at有关