一般的RL問題需要符合如下條件:

不同的動作導致不同的回報。舉個例子，在迷宮中尋找寶藏，如果往左就能獲得寶藏，往右就什么都得不到。

回報在時間上有延遲。沿用上述的例子，在迷宮中往左時，我們并不是立即知道我們走的就是正確的方向。

某個動作下的回報跟當時的環(huán)境有關。繼續(xù)剛才的例子，往左邊是當前情況下的最佳選擇，在其他情況下就不一定了。