Agent将会从一个状态到另一个状态这样去探索，直到它到达目标状态。我们称每一次这样的探索为一个场景（episode）。
每个场景就是 Agent 从起始状态到达目标状态的过程。
每次Agent 到达了目标状态，程序就会进入到下一个场景中。
基于深度强化学习的智能体系结构参数调优 - 知乎CAPES(Computer Automated Performance Enhancement System) 1 摘要存储系统的参数调整是存储系统优化的一个重要方法，当前的参数调整实践通常涉及大量的基准调整周期，耗时耗力，所以需要一个无监督模型来进行参…
https://zhuanlan.zhihu.com/p/339964218
