强化学习理论

强化学习理论基于马尔可夫决策过程，探讨策略优化、价值估计和探索-利用权衡。核心包括贝尔曼方程、策略梯度、Q-learning 等，为深度强化学习提供收敛性与样本复杂度保证，是 AI 决策系统的基石。