本文作者分享了自己重新学习强化学习的心得体会，强调了强化学习与有监督和无监督学习的不同之处，如无监督反馈、延迟奖励、序列数据处理等特性。文章围绕agent-environment交互机制和强化学习中的马尔科夫过程展开，讨论了策略（确定性与非确定性）及马尔科夫性质在状态转移中的作用。
一直对强化学习很感兴趣，毕业前那会也尝试着去学习，但因为当时感觉强化学习的公式晦涩难懂，没能坚持下去。最近因工作需要，又重新开始啃强化学习的知识，发现有了新的体会，故在此记录一下，以便以后随时翻看查阅。
机器学习包含了三大分支，有监督学习（或半监督）、无监督学习和强化学习。同前两者相比，强化学习具有如下特点，
(1) 没有“supervisor”，只有“reward”信号；
(2) 反馈信号有时间延迟；
(3) 处理的是序列数据，而不是独立同分布数据；
(4) 学习体的“action”影响其后续的数据输入。
agent-environment交互机制
强化学习任务包含了两大主体，Agent和Environment，这里的Agent就是学习者，同时也是决策者。学习者通过和环境进行交互来实现目标，交互过程的框图表示如下，
从图中可以看出，这是一个序列化过程，在时刻t，学习体基于当前状态 S i S_{i} Si发出动作 A t A_{t} At，环境做出回应，生成新的状态 S t + 1 S_{t+1} St+1和对应的回报 R t + 1 R_{t+1} R
最低0.47元/天 解锁文章
1104
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
