强化学习概述.docxVIP

.

.

可编辑

可编辑

第四章强化学习

强化学习概述

智能系统的一个主要特征是能够适应未知环境，其中学习能力是智能系统的关键技术之一。在机器学习范畴内，根据反馈的不同，学习技术可以分为监督学习（Supervisedlearning）、非监督学习（Unsupervisedlearning）和强化学习（Reinforcementlearning）三大类。其中强化学习是一种以环境反馈作为输入的、特殊的、适应环境的机器学习方法。

强化学习又称为增强学习、加强学习、再励学习或激励学习，是一种从环境状态到行为映射的学习，目的是使动作从环境中获得的累积回报值最大。强化学习的思想来源于动物学习心理学。观察生物(特别是人)为适应环境而进行的学习过程，可以发现有两个特点:一是人从来不是静止地被动等待而是主动对环境做试探，二是环境对试探动作产生的反馈是评价性的，人们会根据环境的评价来调整以后的行为。强化学习正是通过这样的试探

——评价的迭代，在与环境的交互中学习，通过环境对不同行为的评价性反馈信号来改变强化学习系统(RLS或者称为Agent)的行为选择策略以实现学习目标。来自环境的评价性反馈信号通常称为奖赏值(reward)或强化信号（reinforcementSignal)，强化学习系统的目标就是极大化(或极小化)期望奖赏值。

强化学习技术是从控制理论、统计学、心理学等相关学