haimizhao的白板

第一章 介绍什么是强化学习强化学习的几个要素 什么是强化学习 强化学习的目标是如何将状态situation与动作action关联起来，以便取得最大的收益reward，即收益最大化。 监督学习supervised Learning指的是从外部“监督者supervisor”提供的样本samples中提供的样本中学习，但交互式问题interactive problems通常无法从样本中穷举出来。 对于强...

第二章 老虎机问题 多臂老虎机问题 单臂老虎机在拉下游戏臂后，有一定的概率获得奖励。而多臂老虎机需要选择到底拉哪个游戏臂，每个臂的中奖概率是不一样的。 多臂老虎机正好适合用来讨论探索与利用的平衡问题。如果每次都采取贪婪算法，选择奖励概率的游戏臂，则完全是在利用行为的价值；如果选择的是非已知最佳的游戏臂，那就是在探索。一般来讲，利用可以使得单次回报最大，而探索则从长期来看可能产生更好的长期回报。 本...