我会稍微不同意@mico。有一种“附加奖励”的用法，指的是可分解的奖励功能（例如，我出售我不想拥有的物品的奖励包括不再拥有不需要的物品的奖励，加上出售物品的金钱收益）。但是，加性奖励和折扣奖励之间确实存在根本关系。加性奖励可以简单地表述为

$$R([s_0, s_1, s_2, ...]) = R(s_0) + R(s_1) + R(s_2) + \cdots$$

而折扣奖励包括折扣因素$\gamma \in [0,1]$这样

$$R([s_0, s_1, s_2, ...]) = R(s_0) + \gamma R(s_1) + \gamma^2R(s_2) + \cdots$$

直观地说，一系列状态的加性奖励只是在每个状态获得的奖励的总和，而折扣奖励包括一个乘法折扣因子，随着时间的推移减少奖励的影响。您通常会看到有限范围问题的附加奖励，即您有离散数量的时间步进行优化，而折扣奖励与无限范围问题更相关，即您可能需要优化无限数量的时间步（或至少是一个非常大的数字）。折扣因子控制智能体获得即时奖励的贪婪程度，其中非常小的折扣因子（接近于 0）鼓励智能体只在最近的状态中寻求奖励，

对于这种区别，我发现的最直接的参考资料是这些课程幻灯片，它们具有一定的权威性，因为它们来自 Andrew Barto，他是关于强化学习的事实文本的合著者。

折扣奖励有其相反的未折扣奖励。它们之间的区别在于，打折的乘数 gamma != 1 和未打折的 gamma = 1。 Gamma 告诉乘数，在下一次迭代中对先前值的值有多少。[1]

Additive 指的是不同的东西，在 [2] 中找到了一个注释：

加性奖励函数将奖励分解为多个贡献，并且可以表示为（非分区）MPA。

这段简短的摘录并没有透露很多内容，但这是我能找到的唯一对我有意义的。我确实可以发现，尽管它们在名称上看起来相似的概念，但它们在本质上却完全不同。

资料来源：

[1] https://en.wikipedia.org/wiki/Reinforcement_learning

[2] 自适应行为的逻辑：一阶和关系域不确定性下自适应顺序决策的知识表示和算法。- M. Van