增强学习演示文件修改版.pptVIP

2003.12.18 机器学习-增强学习 作者：Mitchell 译者：曾华军等 讲者：陶晓鹏 机器学习 第13章 增强学习 概述 增强学习要解决的问题：一个能够感知环境的自治agent，怎样通过学习选择能达到其目标的最优动作 当agent在其环境中做出每个动作，施教者提供奖励或惩罚信息，agent从这个非直接的回报中学习，以便后续动作产生最大的累积回报 本章介绍一个称为Q学习的算法，它可从有延迟的回报中获取最优控制策略 增强学习与动态规划算法有关，后者常被用于解决最优化问题 简介 考虑一个可学习的机器人，它可以观察环境的状态并能做出一组动作改变这些状态，学习的任务是获得一个控制策略，以选择能达到目的的行为 本章关心的是：机器人怎样在环境中做实验并根据回报函数成功学习到控制策略 图13-1，学习控制策略以使累积回报最大化这个问题很普遍，它是一个通过学习来控制序列过程的问题，比如 生产优化问题：选择一系列生产动作，使生产出的货物减去其成本达到最大化 出租车调度：选择出租车运载乘客，其中回报函数为乘客等待的时间和车队的整体油耗 简介（2） 在第11章，已经接触到了通过学习来控制序列过程的问题，用基于解释的方法学习规则，以控制问题求解中的搜索 本章考虑的问题不同于第11章，因为考虑的问题中，行为可能有非确定性的输出，而且学习器缺少描述其行为输出的领域理论 学习控制策略类似前面讨论过的函数