強化理論最開始是心理學的概念，它是過程型激勵理論之一，最早要追溯到美國的心理學家斯金納。斯金納認為人的行為是對其所獲刺激的函式。如果這種刺激對他有利，則這種行為就會重複出現；若對他不利，則這種行為就會減弱直至消失。根據強化的性質和目的，可以分為正強化和負強化兩大型別。斯金納認為通過獎懲的設計，可以改變人或者動物的行為習慣。

在強化學習的基本概念和斯金納的差不多，強化學習通過agent與環境的動作/互動Action，得到與之對應的獎勵或者懲罰，並在這樣的環境中進行迭代，與環境的互動意味著agent可以不斷在經驗中修正自己的決策，也就是policy。

大致框架如下圖所示：

下面我們來舉一個大家都熟悉的例子，來幫助大家理解強化學習的基本概念：

Pacman大家小時候在街機或者遊戲機上可能都玩過，下面我們用強化學習的術語來定義pacman這個problem。

環境 Environment

在強化學習中，我們通常對環境的定義是所有於agent進行互動的東西。在我們這個例子裡，pacman的環境包含了機器人agent的遊戲世界，比如迷宮的形狀、迷宮的不可穿牆性，也包含了遊戲規則，比如機器人pacman可以吃豆子變無敵、無敵的時間、無敵時候可以吃掉敵人、敵人還可以再生等等。簡單說是可以可以容納agent的一個“容器”，同時它有它自己的世界和規則。