增强学习总结

增强学习总结

增强学习概念：

增强学习关注的是智能体如何在环境中采取一系列行为，从而获得最大的累积回报。

通过增强学习，一个智能体应该知道在什么状态下应该采取什么行为。

强化学习，就是根据奖励，判断在相应的状态下，应该做的动作——从状态到动作的映射就是学习策略

增强学习是机器学习中一个非常活跃且有趣的领域，相比其他学习方法，增强学习更接近生物学习的本质，因此有望获得更高的智能，这一点在棋类游戏中已经得到体现。

 

特点：

1.  增强学习是试错学习(Trail-and-error)，由于没有直接的指导信息，智能体要以不断与环境进行交互，通过试错的方式来获得最佳策略。

2.  延迟回报，增强学习的指导信息很少，而且往往是在事后（最后一个状态）才给出的，这就导致了一个问题，就是获得正回报或者负回报以后，如何将回报分配给前面的状态。

马尔可夫决策过程：

马尔可夫决策过程(Markov DecisionProcess, MDP)也具有马尔可夫性，与上面不同的是MDP考虑了动作