我其实觉得最近热播的《开端》就有点强化学习的意思，某种程度上能看到exploitation&exploration tradeoff的影子。接下来的表述不是很严谨，只是想给读者一个简单的概念。
强化学习的目的就是通过不断探索找到最优解，而《开端》里则是要在不断地循环努力中找到一个让所有人都能从车上全身而退的方法。
如果说想要达到最优解的话，最容易的方法就是遍历整个解的空间，也就是exploration。但是我们不能忽略到每一次探索都是有代价的，而遍历无疑是过于昂贵了。这个在《开端》里面对应的就是白敬亭每一次循环身体都会变差。如果说无数次循环的话白敬亭估计就挂了。
所以在explore的时候大家必须要学会exploitation。exploitation的概念就是每次搜索的时候都将重点放在最优解的周围。就比如说，男女主在确定锅姨的嫌疑之后，就可以将调查的重点锁定在锅姨的动机以及还有谁是可能的同谋上，也不用大海捞针了。
这个例子只是粗略讲了exploration&exploitation是什么，并没有充分地展现出强化学习的精髓。强化学习的精髓是这两种行为必须要达到平衡，exploitation或是exploration过度都可能会导致不理想的结果。这里就有点中庸的意思了，一分不能多，一分不能少。这些就需要题主自己深入学习去体会了。
愿大家学习顺利。
