强化学习系列（1）：强化学习（Reinforcement Learning）

强化学习前世今生

也可以直接查看本博主强化学习专栏的简介：

https://blog.csdn.net/gsww404/article/details/79763003 [直接点击查看完整版]

如今机器学习发展的如此迅猛，各类算法层出不群，特别是深度神经网络的发展，为非常经典的强化学习带来了新的思路，虽然强化学习一直在发展中，但在2013年这个关键点，DeepMind大神David Sliver使用了神经网络逼近函数值后，开始了新的方向，又一发不可收拾的证明了确定性策略等，纵观近四年的ICML,NPIS等会议论文，都有涉猎。因此本文在参考已有论文，博客、专栏、书籍、视频的基础上开始系列博客学习记录，如有写的错误地方，还望大家批评指教。

开始正文，说起强化学习，估计每本涉及到强化学习的书，视频等都会提一个名词 " AlphaGoZero " ,  本文不大肆吹起概念，具体自己 阅读其相关资料，：

Content：  https://deepmind.com/blog/alphago-zero-learning-scratch/

                 https://xijunlee.github.io/2017/11/03/Zero/

Paper:      https://deepmind.com/documents/119/agz_unformatted_nature.pdf

Code:       https://github.com/search?l=Python&q=alphaGo+zero&type=Repositories&utf8=%E2%9C%93

强化学习是机器学习中的一个领域，强调如何基于环境而行动，以取得最大化的预期利益。其灵感来源于心理学中的行为主义理论，即有机体如何在环境给予的奖励或惩罚的刺激下，逐步形成对刺激的预期，产生能获得最大利益的习惯性行为。这个方法具有普适性，因