最近在在学习强化学习方面的东西， 对于现有的很多文章中关于强化学习的知识很是不理解，很多都是一个公式套一个公式，也没有什么太多的解释，感觉像是在看天书一般，经过了较长时间的挣扎最后决定从一些基础的东西开始入手，于是便有了这篇论文的发现。
Learning from Delayed Reward
该论文的页面为： http://www.cs.rhul.ac.uk/~chrisw/thesis.html
下载地址为： http://www.cs.rhul.ac.uk/~chrisw/new_thesis.pdf
论文页面对这篇文章的描述：
The thesis introduces the notion of reinforcement learning as learning to control a Markov Decision Process by incremental dynamic programming,
and describes a range of algorithms for doing this, including Q-learning, for which a sketch of a proof of convergence is given.
这篇文章虽然在现有的很多文献中并不是很被提及，但是它却具有很大的意义。这篇文章（准确的说是作者在1987年发表的一篇会议论文，集成在了这篇学位论文中了）建立了现在意义上的强化学习模型，它第一次将trial-and-error 和 dynammic programming 和 temporal diffecrence 结合在了一起，并提出了Q-Learning算法。在某种意义上它可谓是“万恶之源”。
=====================================================
============================================================
文章目录：
Learning from delayed reward (Q-Learning的提出) （Watkins博士毕业论文）（建立了现在的reinforcement Learning模型）
原文：https://www.cnblogs.com/devilmaycry812839668/p/10257303.html