action枚举 走进办公室的门，你迈左脚还是右脚？ State = 即将走进办公室。 action = [迈左脚，迈右脚] reward：迈左脚迈右脚各自有对应reward。 这是正常的思维定式。真的是这样吗？ 当然不是，你可以跳进去，倒立进去，滚进去等，有非常多的action可以供你选择，它们被你选择的概率可能非常小，但不应该是0。 问题在于，对大部分人来说，他们终其一生不知道这些action的存在，更不可能知道这些action对应的reward。他们的决策树是残缺的。 如果你做了对应action的测试，就能知道每个action对应的reward。随着人生阅历的增加，读的书和经历的事情越来越多，action的list会逐渐丰富。 靠想象力也可以丰富action的list。