zoukankan      html  css  js  c++  java
  • 强化学习(一): 引入

    今天开始连载强化学习,这个是以前看Reinforcement Learning: An Introduction 这本书做的笔记,最近发现Richard S. Sutton 和 Andrew G. Barto还在为本书更新,所以就想着把原来的笔记也更新一下,整理然后放在这里。
    因为是笔记形式,所以这里的货是非常的干的。都是把自己认为重要的东西记了下来,当然也许会有太过骨感的意味。 但因为本次的定位不是给从不知道的人看的,而是给那些至少知道这本书的人一起交流的。

    今天是引入,所以也就是几个概念。

    Introduction

    强化学习是学习如何最大化奖励。

    强化学习一直需要面对一个问题,即是权衡exploration(开发) 与exploitation(探索)。

    强化学习的一大特点是agent与不确定环境的互动。

    Elements of Reinforcement Learning

    Policy: 是学习agent在任何时刻的行为方式,是一个从当前环境状态到动作空间的映射。策略是强化学习的核心,强化学习可理解为如何做决策从而获得最大奖励,因此,策略即为最重要的部分,策略可以是一个简单的映射函数,也可能是一个‘状态形为’表格。另外,策略也可能是随机的形式,即在某一状态下,只给出每个形为的概率。

    Reward: 强化学习的目标。在强化学习中,agent的目标就是最大化它能获得的所有reward。单个reward只是处于某一状态的即时感觉,那长远来看,即agent可能获得的所有reward,用value function来度量。

    Value of a state: 是agent从当前状态算起,未来能获得的所有的reward总和。

    Model of a environment: 是所有可用于推断环境如何反应的信息。

  • 相关阅读:
    面试题23:从上往下打印二叉树
    面试题22:栈的压入、弹出序列
    【opencv基础】imwrite函数与图像存储质量
    【c++基础】从json文件提取数据
    【图像处理基础】LBP特征
    【机器学习基础】SVM实现分类识别及参数调优(二)
    【leetcode】14-LongestCommonPrefix
    【leetcode】13-Roman2Integer
    【leetcode】9-PalindromeNumber
    【leetcode】7-ReverseInteger
  • 原文地址:https://www.cnblogs.com/vpegasus/p/rl_introduction.html
Copyright © 2011-2022 走看看