机器学习及其应用课件 第9章-深度强化学习.pptxVIP

9.1强化学习基本知识9.4深度强化学习应用9.3基于策略的学习9.2基于价值的学习第九章深度强化学习

9.1强化学习基本知识9.1.1强化学习概述9.1.2马尔可夫模型9.1.3策略迭代与值迭代

引入强化学习和深度强化学习无监督学习无标注，发现结构监督学习有标注，预测标签标注强化学习通过试错优化决策外部环境挑战：高纬状态、连续动作深度强化学习深度神经网络感知复杂环境决策控制任务9.1.1强化学习概述

机器人环境动作反馈强化学习的思路与前述监督学习和无监督学习方式都有着较大差异。强化学习主要是智能体与其外部环境之间进行不断地动态交互过程。小游戏：让小人以最短路径拿到礼物传统方式解决9.1.1强化学习概述

强化学习方法?可以说是面向结果编程，不去在乎过程游戏存在的16种状态反馈表：每个格子是否有障碍或礼物第1列第2列第3列第4列第1行-1-1-1-1第2行-1-100-1-100第3行-1-1-1-100第4行-100-1-1100第1列第2列第3列第4列第1行最劣劣劣最劣第2行劣一般第3行一般优优第4行优最优评估状态的优劣：距离礼物的距离9.1.1强化学习概述

Q表，所有状态下所有动作的分数动作以该路径为例，则会产生以下数据9.1.1强化学习概述

汉语英语英语简写解释状态state即游戏环境当前的状态动作action即执行的动作反馈reward执行动作后获得的反馈，一