强化学习对抗训练.docxVIP

PAGE5/NUMPAGES5

强化学习对抗训练

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

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、奖励函数和折扣因子五元组构成，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。研究表明，在连续控制任务中，基于MDP的算法（如DQN）在Atari游戏基准测试中相比传统监督学习方法提升约200%（Mnihetal.,2015）。

2.转移概率建模是MDP的关键环节，近年来结合生成模型（如变分自编码器）的隐式MDP框架成为研究热点，通过学习状态-动作的潜在