从本文开始，我将跟随赵世钰老师的 《强化学习的数学原理》课程 ↗学习 RL，并将课程要点和个人思考记录成 一系列笔记，这是其中的第一篇。
授课老师：西湖大学 赵世钰
侧重数学理解，代码实现较少。预期 10~20 hr 学习完成。
2026-8-13 开始学习。
「强化学习」学习路线
强化学习的终极目标：求解最优策略。
课程会围绕一个简单的模型——Grid World 展开。
Grid World 就是一个平面网格（有限或无限），agent 可以在其中移动，每次移动到相邻的格子。格子可以被标记为 Empty Forbidden Target 等等。