LXYTSOS的专栏

在强化学习中有这么几个术语：智能体（Agent），环境（Environment），动作（Action），奖励（Reward），状态（State，有些地方称作观察，Observation）。

相信很多人都听过“机器学习”和“深度学习”，但是听过“强化学习”的人可能没有那么多，那么，什么是强化学习呢？强化学习是机器学习的一个子领域，它可以随着时间的推移自动学习到最优的策略。在我们不断变化的纷繁复杂的世界里，从更广的角度来看，即使是单纯的静态的输入-输出型问题也会变成动态的问题。例如，对于一个简单的监督式学习任务——猫狗分类。你收集到了一些训练数据，然后用你最喜欢的深度学习框架写了一个分类网络进行训练，很快模型收敛，效果拔群，因此你将这个模型部署上线，过了一段时间一些狗的狗毛修剪方式发生了改变，

强化学习，是机器学习领域中，除监督学习、非监督学习之外，第三种学习范式。在强化学习中，智能体在环境中通过执行各种动作来与之交互，做完每个动作后都会得到一个环境反馈的奖励值，智能体的目标就是通过一系列的交互，来学习到一种策略，使得它收到的总奖励值最大。马尔可夫马尔科夫性：当一个随机过程在给定现在状态及所有过去状态情况下，其未来状态的条件概率分布仅依赖于当前状态；换句话说，在给定现在状态时，它与过去状态（即该过程的历史路径）是条件独立的，那么此随机过程即具有马尔可夫性质。具有马尔可夫性质的过..