# 折扣回报：眼前的小奖励还是长远的大奖励？

> 来源：https://dqn.cn/tools/discounted-return ｜ 作者：DQN.CN 编辑部 ｜ 发布：2026-11-01 ｜ 更新：2026-11-01 ｜ 许可：CC BY-NC-SA 4.0（文字）/ MIT（代码）

> （此处为交互工具，请在网页中使用：https://dqn.cn/tools/discounted-return）

## 折扣回报

$$
G = r_1 + \gamma r_2 + \gamma^2 r_3 + \cdots = \sum_{t=0}^{T-1} \gamma^t r_{t+1}
$$

$\gamma \in [0, 1)$ 决定了智能体有多“看重未来”：$\gamma = 0$ 时只关心下一步的奖励；$\gamma$ 接近 1 时，远处的奖励几乎和眼前一样重要。工具中的彩色柱子就是每一项 $\gamma^t r_{t+1}$。

## 可以试试

- 默认的“小而快 vs 大而慢”：γ 小于交点时选 A，大于交点时选 B。
- “先吃苦后享福”：前几步是负奖励，只有 γ 足够大，智能体才愿意先付出代价。
- 自己输入奖励序列（用逗号分隔），比如设计一个“短期成瘾、长期有害”的例子。

## 相关教程

- [什么是强化学习](https://dqn.cn/basics/what-is-rl)
- [MDP：回报](https://dqn.cn/basics/mdp)
- [全部交互工具](https://dqn.cn/tools/)