强化学习:

智慧决策的过程,通过过程模拟和观察来不断学习,提高决策能力

策略:在特定状态下应该怎么采取行动

目的:找到最佳策略,即能够获得最大奖励的策略

数学模型:

《机器学习十讲》学习报告十_机器学习

 

 

策略和目标:

在马尔科夫决策过程中,最终需要求解一个策略,他是行动和状态之间的映射

分为确定性策略和随机性策略

目标:最大化累计奖励的期望

 

 

强化学习的方法分类:

 

有模型型:已知或者学习状态转移概率

无模型型:探索环境而不直接学习

 

状态价值函数:

《机器学习十讲》学习报告十_机器学习_02

状态-行动价值函数:

《机器学习十讲》学习报告十_机器学习_03

 

 深度学习Q-learning

Q表本质是一种映射,吧状态映射为行动

《机器学习十讲》学习报告十_机器学习_04

 

更多文章请关注《万象专栏》