強(qiáng)化學(xué)習(xí)（Reinforcement Learning, RL），又稱再勵(lì)學(xué)習(xí)、評(píng)價(jià)學(xué)習(xí)或增強(qiáng)學(xué)習(xí)，是機(jī)器學(xué)習(xí)的范式和方**之一，用于描述和解決智能體（agent）在與環(huán)境的交互過(guò)程中通過(guò)學(xué)習(xí)策略以達(dá)成回報(bào)最大化或?qū)崿F(xiàn)特定目標(biāo)的問(wèn)題。強(qiáng)化學(xué)習(xí)的常見(jiàn)模型是標(biāo)準(zhǔn)的馬爾可夫決策過(guò)程（Markov Decision Process, MDP）。

按給定條件，強(qiáng)化學(xué)習(xí)可分為基于模式的強(qiáng)化學(xué)習(xí)（model-based RL）和無(wú)模式強(qiáng)化學(xué)習(xí)（model-free RL），以及主動(dòng)強(qiáng)化學(xué)習(xí)（active RL）和被動(dòng)強(qiáng)化學(xué)習(xí)（passive RL）。

強(qiáng)化學(xué)習(xí)的變體包括逆向強(qiáng)化學(xué)習(xí)、階層強(qiáng)化學(xué)習(xí)和部分可觀測(cè)系統(tǒng)的強(qiáng)化學(xué)習(xí)。求解強(qiáng)化學(xué)習(xí)問(wèn)題所使用的算法可分為策略搜索算法和值函數(shù)（value function）算法兩類。

深度學(xué)習(xí)模型可以在強(qiáng)化學(xué)習(xí)中得到使用，形成深度強(qiáng)化學(xué)習(xí)。強(qiáng)化學(xué)習(xí)理論受到行為主義心理學(xué)啟發(fā)，側(cè)重在線學(xué)習(xí)并試圖在探索-利用（exploration-exploitation）間保持平衡。

不同于監(jiān)督學(xué)習(xí)和非監(jiān)督學(xué)習(xí)，強(qiáng)化學(xué)習(xí)不要求預(yù)先給定任何數(shù)據(jù)，而是通過(guò)接收環(huán)境對(duì)動(dòng)作的獎(jiǎng)勵(lì)（反饋）獲得學(xué)習(xí)信息并更新模型參數(shù)。強(qiáng)化學(xué)習(xí)問(wèn)題在信息論、博弈論、自動(dòng)控制等領(lǐng)域有得到討論，被用于解釋有限理性條件下的平衡態(tài)、設(shè)計(jì)推薦系統(tǒng)和機(jī)器人交互系統(tǒng)。一些復(fù)雜的強(qiáng)化學(xué)習(xí)算法在一定程度上具備解決復(fù)雜問(wèn)題的通用智能，可以在圍棋和電子游戲中達(dá)到人類水平。