人工智能导论 习题及答案 第6章习题答案.docx

第六章习题答案

6-1给出强化学习中策略的定义，并给出3种探索和利用平衡的策略。

答案：强化学习中策略定义如下：给定状态s时，动作空间上的分布。3种探索和利用平衡的策略包括：策略，UCB策略和玻尔兹曼策略。

6-2简述强化学习算法与监督学习以及非监督学习的联系。

答案：三种方法都是学习算法，随着技术的发展，强化学习跟监督学习、非监督学习的关系越来越紧密，具体表现在如下几个方面：

（1）深度强化学习中的策略网络和值函数网络需要更有效的模型，而这些表示学习是监督学习领域中关注的重点。例如，深度强化学习智能体AlphaGo的策略由上百层的残差网络表示，AlphaStar的策略网络包含了残差网