價值函數是強化學習中的一箇核心概念，主要用於評估和預測。
價值函數可以分爲狀態價值函數和狀態-動作價值函數兩種形式。狀態價值函數用於評估在特定策略下，從某個狀態開始能夠獲得的總獎勵的期望值。狀態-動作價值函數則進一步考慮了在特定狀態下采取特定動作的預期收益。這兩個函數都考慮了折扣因子，用於調整未來獎勵的當前價值，因爲隨着時間的推移，獎勵的價值通常會減少。
價值函數在決策過程中起着關鍵作用，通過評估不同狀態或狀態-動作對的價值，幫助智能體選擇最優的行動策略。在訓練過程中，智能體通過嘗試不同的行動並更新價值函數來學習如何最大化長期獎勵。