本文介绍了增强学习的基本概念，包括状态、动作和回报，重点讲解了马尔科夫决策过程（MDP）及其组成部分。MDP是强化学习的理论基础，具有无后效性特征，由状态集合、动作集合、状态转移分布和回馈函数构成。文章讨论了状态价值函数、动作价值函数以及最优价值函数和最优Q函数，为后续的策略求解算法奠定了基础。
最近因为研究需要，要开始学习机器学习了。之前只是懂些CNN什么的皮毛，对机器学习的整体认识都比较缺乏，后面我会从头开始一点点打基础，正好也用博客把自己的学习历程记录一下，如果有大牛看到博文中有错误，欢迎指正！
正好目前有个智能控制的小项目，我就先从增强学习开始。主要的参考文献是吴恩达的专题论文：Shaping and policy search in Reinforcement learning
增强学习（reinforcement learning,RL）是近年来机器学习和智能控制领域的主要方法之一。在增强学习中有三个概念：状态、动作和回报。
“状态（state）”是描述当前情况的。对一个正在学习行走的机器人来说，状态是它的两条腿的
最低0.47元/天 解锁文章
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
