强化学习基础：智能体与环境交互机制.pdfVIP

ReinforcementLearning

首先我们需要明确，强化学习的任务？

这用大白话说：就是我们希望用强化学习的方式，使某个东东获得独立自主地完成某种

任务的能力。而这个东东，我们称为智能体。而智能体学习和工作的地方，我们就称为环境。

注意！所谓独立自主，就是智能体一旦启动，就不需要人了。

例如说扫地机器人打开开关，就不需要人类告诉机器人哪里有灰尘，哪里有，自己

就会去清理了；

又例如：自动驾驶汽车在导航设置好，就不再需要去操作，汽车能够自己安全

到达目的地。

但我们应该怎样才能让智能体学会技能呢？

JustDoit!

A（action）动作

动作其实不用解释，就是智能体做出的具体行为。例如扫地机器人会移动，吸尘，甚至

喷水。无人驾驶汽车能够移动，加速，刹车，转弯等。

动作空间就是该智能体能够做出的动作数量。

举个例子：智能体身处十字路口。那么我们的方向就有4个。也就是说，我们能做的

动作，就是4个。我们称我们能做的动作的集合，称为动作空间

R（reward）

当我们在某个状态下，完成动作。环境就会给我们反馈，告诉我们这个动作的效果如何。

这种效果的数值表达，就是