前言
接下來會對環境進行闡述，該文章內容和較少，但為保證系列文章完整性因此考慮獨立寫出來。
環境的概述
在前面的文章中提到，環境是代理玩耍的場所，代理做出動作作用於環境，環境會像一個老師對代理所做的動作打分（獎勵Reward），同時代理可以觀察環境得到狀態，也叫觀察。
環境分類
環境主要有兩大類，物理環境和模擬環境
物理環境
物理環境即為真實環境，我們實際生活的環境，例如要訓練一個機器人自主行走，我們可以將機器人仍在地面，在真實環境中訓練機器人。這樣的好處很明顯，因為沒有什麼比真實還要真實，這樣子訓練的機器人更加適應真實環境，但缺點也很明顯，首先會損壞硬體裝置，最初的機器人就是白痴，任何動作均會讓機器人摔倒，所以會使得機器人損壞，第二是訓練時間很長且不便於訓練，機器人在前期的訓練會不斷摔倒，因此需要認為將其扶正，極度不變與浪費時間。因此便有了模擬環境。
模擬環境
模擬環境便是根據現實環境進行抽象建模，仿照一個虛擬環境。好處是避免了物理硬體的損壞，同時也使得訓練速度加快，是最常用的方法。
導航
強化學習-概述: https://blog.csdn.net/weixin_54445841/article/details/112909771.
入門資料: https://download.csdn.net/download/weixin_54445841/14910862.
Python工程：
https://download.csdn.net/download/weixin_54445841/14910913.