例如alpha-go中的棋盘，用于产生动作的主体就是智能体。
l例如当前棋盘中的局势就是状态，表示的是主体执行动作之前需要考虑的外部环境
例如下围棋中的落子，表示智能体在某个状态下采取的一个行为
例如当某一步有利于最后取得胜利，那么奖励记为1，否则记为-1。奖励是智能体用来决策在当前状态应该采取什么动作的参考标准。智能体的动作应该朝着未来奖励最大化方向行动。
理解为目标。例如下围棋的策略就是占地面积比对方大。
他们的转换关系如下图
原文：https://www.cnblogs.com/loubin/p/12616989.html