强化学习简介.pptVIP

  • 65
  • 0
  • 约小于1千字
  • 约 48页
  • 2021-03-26 发布于江苏
  • 举报
;*;*;强化学习(reinforcement learning)与监督学习、非监督学习的区别;思考:;强化学习模型 几个定义 自治智能体Agent 学习的主体,如小猫、小狗、人、机器人、控制程序等 Agent的特点 1、主动对环境做出试探 2、环境对试探动作反馈是评价性的(好或坏) 3、在行动-评价的环境中获得知识,改进行动方案,达到预期目的 ;奖励信号(rewards) 奖励信号R是一个标量信号 表示agent在步骤T中所产生动作好坏 Agent的任务是最大化累积奖励信号;强化学习模型;例子;强化学习基本要素;策略定义了agent在给定时间内的行为方式,一个策略就是从环境感知的状态到在这些状态中可采取动作的一个映射。 可能是一个查找表,也可能是一个函数 确定性策略:a = π(s) 随机策略: π(a ∣ s) = P[At = a ∣ St = s];回报函数是强化学习问题中的目标,它把环境中感知到的状态映射为单独的一个奖赏 回报函数可以作为改变策略的标准;值函数:一个状态起agent所能积累的回报的总和。 在决策和评价决策中考虑最多的是值函数;环境模型模拟了环境的行为,即给定一个状态和动作,模型可以预测必定导致的下一个状态和下一个奖赏。模型一般用于规划 规划是算出来的,强化学习是试出来的 ;马尔可夫过程 马尔可夫奖励过程 马尔可夫决策过程 ;马尔科夫性:所

文档评论(0)

1亿VIP精品文档

相关文档