在强化学习 (RL) 中，必须在每个动作之后立即返回奖励值以及下一个状态。但是，该值可以为零，这对最优性或设定目标没有直接影响。

除非您正在修改奖励计划以尝试使环境更易于学习（称为奖励塑造），否则您应该以“自然”奖励计划为目标。这意味着直接根据代理的目标授予奖励。

常见的奖励计划可能包括：

• +1 仅在一集结束时赢得游戏或达到目标状态，而所有其他步骤的奖励为零。您可能还会看到 0 表示平局，-1 表示输掉一场比赛。

• 每个时间步 -1，当目标是在最短时间步内解决问题时。

• 与代理人生产的东西的数量成比例的奖励 - 例如能源，金钱，化学产品，在获得该产品的任何站点授予，否则为零。基于代理为生产产品而消耗的其他东西（例如燃料）的潜在负面奖励。