强化学习 课件 第1章 强化学习概述.pptxVIP

第一章强化学习概述

北京大学余欣航

目录

●马尔可夫决策过程(MDP)

.MDP的分类

●强化学习

●强化学习的应用

机器学习的分类

●有监督学习(supervisedlearning)

●数据集中的样本带有标签，有明确目标

·回归和分类

●无监督学习(unsupervisedlearning)

●数据集中的样本没有标签

●聚类、降维、概率密度估计、生成模型构建

●强化学习(reinforcementlearning)

●序列决策的过程，通过过程模拟和观察来不断学习，提高决策能力

·例如：AlphaGo

·agent:智能体

·environment:环境

·state:状态，St

·action:动作，At

·reward:奖励，Rt

智能体

stateaction

reward

环境

强化学习的元素

时间序列

·按时间顺序排列的一组随机变量X₁,X₂,…,Xt,…表示一个随机事件的时间序列，简记为{Xt,t∈T}或{Xt}

·时间序列可以看作是离散时间的随机过程

ShareofglobalGDP,1820-2030

马尔可夫过程

·马尔可夫性质是指一个随机过程在给定