机器学习分为监督学习、非监督学习、强化学习。
强化学习把行为学习看作是反复实验的过程,从而把环境状态映射成相应的动作。强化学习是根据环境反馈,与环境进行交互,不断地试错,利用评价性的反馈信号实现决策的优化,为机器人环境自适应问题提供了有利的解决方案。
强化学习的基本思想:智能体通过与环境交互,根据环境反馈得到的奖励,不断地调整策略,寻找一个最佳决策,主要用来解决决策优化类问题。基本要素:策略、奖赏函数、值函数、环境模型。基本学习模型:
智能体根据目前的状态St,在动作空间中选择动作at,环境根据智能体做出的动作来反馈相应的奖励rt+1,并且转移到新的状态St+1,智能体根据得到的奖励调整自身策略,并针对新的状态做出新的决策。强化学习的特点是自学习和在线学习