在强化学习中，策略（Policy）是指代理（Agent）在特定状态下选择动作的规则。它可以是确定性的，即对于特定的状态，直接指定一个动作；也可以是随机性的，即对于特定的状态，给出选择每个动作的概率分布。在强化学习中，代理根据当前的策略来选择动作，这个过程叫做策略选择。
在确定性策略中，代理根据当前状态直接选择一个动作，这个动作可以是事先确定的，也可以是经过学习得到的。在随机性策略中，代理根据当前状态，根据概率分布随机选择一个动作。选择策略的方法可以是基于价值函数的方法，比如利用价值函数来评估每个动作的价值，然后根据这些价值来选择动作；也可以是基于模型的方法，比如学习一个状态-动作的模型，然后根据这个模型来选择动作。
在实际应用中，根据策略来选择动作可以通过多种方法实现，比如利用价值函数来评估每个动作的价值，然后根据这些价值来选择动作；也可以是基于模型的方法，比如学习一个状态-动作的模型，然后根据这个模型来选择动作。另外，还可以使用探索与利用的方法来平衡对已知最优策略的利用和对未知策略的探索，以更好地选择动作。
总之，策略在强化学习中起着至关重要的作用，它决定了代理在特定状态下选择动作的规则，而根据策略来选择动作的方法可以通过多种方式实现，包括基于价值函数的方法、基于模型的方法以及探索与利用的方法。