现代机器学习 课件 第12章 深度强化学习.pptx

第12章深度强化学习;

强化学习(ReinforcementLearning)基本上是对上述原则的数学化描述。强化学习是机器学习的一个重要分支。前几年人机大战的主角AlphaGo正是以强化学习为核心所构造

的。强化学习中,包含两种基本的元素:状态(States)与动作(Actions),在某个状态下执行某种动作,这便是一种策略(Policy),学习器要做的就是通过不断的探索学习,从而获得一

个好的策略。

强化学习是和监督学习、无监督学习并列的第三种机器学习方法。;

12.1任务与奖赏;;

机器要做的就是通过在环境中不断的尝试而学得一个策略π,常见的策略表示方法有以下两种:

①确定性策略a=π(x),即在状态x下执行动作a;

②随机性策略P=π(x,a),即在状态x下执行动作a的概率,且有;

一个策略的优劣取决于长期执行这一策略后的累积奖赏,换句话说,可以使用累积奖赏来评估策略的好坏。最优策略是指在初始状态下一直执行这个策略,最后的累积奖赏值最高。长期累积奖赏通常使用下述两种计算方法:;

现在,我们来重新定义一些强化学习模型的要素:

(1)环境状态S:t时刻下环境的状态St是环境状态集中的某一个状态。

(2)个体动作A:t时刻个体采取的动作At是动作集中的某一个动作。

(3)环境的奖赏R:t时刻个体在状态St采取的