强化学习优化-第1篇.docxVIP

PAGE5/NUMPAGES5

强化学习优化

TOC\o1-3\h\z\u

[标签:子标题]0 3

[标签:子标题]1 3

[标签:子标题]2 3

[标签:子标题]3 3

[标签:子标题]4 3

[标签:子标题]5 3

[标签:子标题]6 4

[标签:子标题]7 4

[标签:子标题]8 4

[标签:子标题]9 4

[标签:子标题]10 4

[标签:子标题]11 4

[标签:子标题]12 5

[标签:子标题]13 5

[标签:子标题]14 5

[标签:子标题]15 5

[标签:子标题]16 5

[标签:子标题]17 5

第一部分强化学习基础理论

关键词

关键要点

马尔可夫决策过程与动态规划

1.马尔可夫决策过程（MDP）是强化学习的数学基础，由状态空间、动作空间、转移概率和奖励函数构成，其核心假设是马尔可夫性，即未来状态仅依赖于当前状态和动作，历史信息不影响决策过程。研究表明，在具有稀疏奖励的复杂环境中，MDP的维度诅咒问题可通过分层强化学习（HRL）缓解，例如使用选项（Options）框架将长序列决策分解为子任务，实验显示HRL在MontezumasRevenge等游戏中的成功率提升40%以上（ICML2021）。

2.动态