问什么是效用？

EN

在这种情况下，“实用程序”是指功能或有用性。因此，“最大的功能”或“最大的用途”。

将这个词插入Google会给你：

有益的状态有用的、有利可图的或有益的

一般来说，公用事业意味着有利可图或有益(如@Rob在他的答复中所示)。

在Q-学习环境中，实用程序与动作值函数是紧密相关的(它们可以被视为同义词)，正如您在维基百科的解释中所读到的那样。这里，策略π的动作值函数是对代理在给定状态s中执行动作a并遵循策略π时所获得的返回(长期报酬)的估计。所以，当你最大限度地发挥效用时，实际上你是在最大化你的代理人会得到的回报。当奖励被定义为实现一个目标时，你正在最大化所达到的目标的“数量”。