强化学习（reinforcement learning，RL）讨论的问题是智能体（agent）怎么在复杂、不确定的环境（environment）里面去最大化它能获得的奖励。

强化学习概念

智能体

做出动作，并影响于环境

环境

返回作用后的状态，和上一步的奖励

奖励

是由环境给可显示智能体在某一步采取某个策略的表现如何？

数据类型

列表（List）

是 Python 中使用最频繁的数据类型。

列表可以完成大多数集合类的数据结构实现。列表中元素的类型可以不相同，

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17

#定义
list = [ 'abcd', 786 , 2.23, 'runoob', 70.2 ] # 定义一个列表
tinylist = [123, 'runoob']
L = []
classmates = ['Michael', 'Bob', 'Tracy']
#获取长度
len(classmates)
3
#用-1做索引，直接获取最后一个元素
classmates[-1]  
'Tracy'
#添加和删除
classmates.append('Adam')
classmates.pop(1) #用pop(i)方法，其中i是索引位置
#返回列表元素最大值
max(list)

栈与队列是常用的数据结构，其中栈提供先进后出，队列提供先进先出，这样的数据结构可以解决一些需要顺序解决的问题。在java中实现底层是不一样的原因是栈是以底层容器完成其所有的工作，对外提供统一的接口，底层容器是可插拔的（也就是说我们可以控制使用哪种容器来实现栈的功能）。

在Java中，队列和栈是两种常见的数据结构，它们分别用于不同的场景，而它们的实现通常基于以下几种容器：

• 字符串也就相当于一种字符数组，它在java中有许多的库函数比如：

1. charAt(int index): Returns the character at the specified index in the string.

   1 2	String str = "Hello"; char character = str.charAt(0); // Returns 'H'

定义：

数组是存放在连续内存空间上的相同类型数据的集合。

知识

一般哈希表都是用来快速判断一个元素是否出现集合里。但是哈希法也是牺牲了空间换取了时间，因为我们要使用额外的数组，set或者是map来存放数据，才能实现快速的查找。Hash法的优势就是牺牲了空间去换了时间，在工业场景中也很适用。

实现理论

哈希函数打比方：就是将学生姓名映射为哈希表上的索引，通过特定编码方式生成hashCode。如果hashCode超过哈希表大小（tableSize），会进行取模操作以确保映射在表内。但如果学生数量大于表大小，可能导致多个学生映射到同一索引位置。

583. 两个字符串的删除操作

力扣题目链接

相比之前现在两个字符串都可以删除，

1. 确定dp数组（dp table）以及下标的含义

dp[i][j]：以i-1为结尾的字符串word1，和以j-1位结尾的字符串word2，想要达到相等，所需要删除元素的最少次数。

这里和原来的匹配长度的dp定义不同，

300.最长递增子序列

力扣题目链接

本题要先有一个逻辑，就是我们怎么确定一个状态转移，如果我dp要取这个数那么之前的状态怎么找，所以很明显需要两轮遍历，

198.打家劫舍

力扣题目链接

分析：偷相邻的会报警，所以问题就是如何在不偷相邻的房间然后达到最大。