学习自动机（Learning Automata）是通过与随机环境不断的交互来调整自己，也就是说，其通过与环境不断的交流获得经验用来改善自己的行为，从而在可选择的动作中选择在该环境下最优的动作，而最优的动作也就是在当前的环境下，能得到环境奖励的概率最大的动作。