强化学习简介.pptxVIP

;2;3;强化学习(xuéxí)（reinforcement learning）与监督学习(xuéxí)、非监督学习(xuéxí)的区别;思考(sīkǎo)：;强化学习模型 几个定义 自治智能(zhì nénɡ)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(dòngzuò)好坏 Agent的任务是最大化累积奖励信号;强化(qiánghuà)学习模型;例子(lì zi);10;11;12;强化(qiánghuà)学习基本要素;策略(cèlüè)定义了agent在给定时间内的行为方式，一个策略(cèlüè)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(cèlüè)：a = π(s) 随机策略(cèlüè)： 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(gǎibiàn)策略的标准;值函数(hánshù)：一个状态起agent所能积累的回报的总和。