强化学习（一）——强化学习概念、方法汇总及游戏例子

一、什么是强化学习

监督学习：有数据和数据对应的标签，根据这些数据和标签进行学习，从而判断出新的数据属于哪一类标签。

强化学习：比监督学习更进一步，一开始就没有数据和对应的标签。通过在环境中尝试获取数据和标签，然后再学习哪些数据对应哪些标签。通过学习到的规律，尽可能选择能带来高分的行为。比如Alpha go,让机器不断更新自己的行为准则，学会下围棋，从而得到高分。

我感觉监督学习更适合分类，而强化学习帮助你做一个可以取得高分的决定，也就是指导你怎么做。那么强化学习和深度学习有什么区别呢？他们都属于机器学习的分支，强化学习就像人的大脑，帮你做决策，而深度学习是机器学习的一个模型：深度神经网络（DNN），主要用于图像处理和自然语言处理。

二、强化学习的方法

（1）Model-free RL 和Model-based RL

Model-free RL:不理解环境是什么，环境给了什么就是什么，按部就班。

Model-based RL：理解环境是什么，也就是学会用一个模型来为环境建模。建模也就是想象力。

（2）Policy-based RL基于概率和Value-based RL基于价值

Policy-based RL：输出的是不同动作的概率，但每种动作都可能被选中。