關鍵點1：強化學習它的基本思路
強化學習它的思路基本是想要遍歷窮舉計算各種狀態的價值，然後儘可能的達到高價值的那些狀態。那麼什麼是狀態？什麼是狀態的價值？不同問題的裏面含有的“狀態”的內容和數量都不一樣。下面我舉個例子。
比如玩井字棋（三個相同色在一條線就贏）。看下面這張圖**，每張圖對應的棋子放置的位置就是一個狀態**。（在本例子中我們編程的話那就保存一個狀態就只需要用一個3×3的數組來保存棋譜即可）。
# 用3×3的二維數組保存狀態1,假設棋盤中沒落子的地方值爲0，黑棋爲1，綠棋爲2
state1 = [
[0,1,0],
[2,1,0],
[0,0,0]
]
我們讓程序各種嘗試然後程序經過統計最後發現，包含狀態1和狀態3的那種下法贏的次數總是比狀態2和狀態4的多。然後程序得出一個結論狀態1和狀態3是高價值狀態。然後以後每次都儘可能的往這兩種狀態靠近。（事實上爲何狀態1和狀態3價值高呢？因爲井字棋只要佔了中心點那就穩贏，而剛好狀態1和狀態3就佔了中心點。雖然算法不知道佔了中心的會穩贏，但是它只要知道狀態1和狀態3是具有很高價值然後那就會盡量讓棋譜達到狀態1和3，然後就可以表現的像是有智能的樣子）
關鍵點2：如何知道某個狀態的價值大小？
在前面提到了強化學習的核心思想在於計算出各種狀態的價值，然後儘可能的讓當前狀態向高價值狀態靠攏。那麼問題來了我們如何才能達到高價值狀態？