增强学习 原理与代码实例讲解 作者:禅与计算机程序设计艺术 1. 背景介绍 1.1 增强学习的起源与发展 1.1.1 增强学习的起源 1.1.2 增强学习的发展历程 1.1.3 增强学习的里程碑事件 1.2 增强学习的定义与特点 1.2.1 增强学习的定义 1.2.2 增强学习的核心要素 1.2.3 增强学习与监督学习、无监督学习的区别 1.3 增强学习的应用领域 1.3.1 游戏领域的应用 1.3.2 机器人控制领域的应用 1.3.3 推荐系统领域的应用 2. 核心概念与联系 2.1 马尔可夫决策过程(MDP) 2.1.1 状态空间、动作空间与转移概率 2.1.2 即时奖励函数与累积奖励 2.1.3 MDP的贝尔曼方程 2.2 策略与价值函数 2.2.1 策略的定义与分类 2.2.2 状态价