强化学习
公式理解
强化学习中使用收获做为估计价值的指标,这可以类比与现实世界中如何在一顿自助餐中吃回本,如何在一段时间中消耗最低等问题,为了获得最优结果,我们使用计算机进行大量运算。这就是强化学习。
推想(复杂,结果最优?只是最优控制吧。)
状态S的收获
- G ( S ) = r ( s , a ) + γ r ( s t + 1 , a t + 1 ) + . . . . . . G(S)=r(s,a)+γr(s_{t+1},a_{t+1})+...... G(S)=r(s,a)+γr(st+1,at+1)+......
- 这就相当于 G ( S ) = Σ k = 0 ∞ r t + k ∗ γ k G(S)=Σ_{k=0}^{∞}r_{t+k}*γ^{k} G(S)=Σk=