强化学习框架(Reinforcement learning frame)-Today1

强化学习的主要目的是在环境中互动为达成目标进行学习，其实就像我们学高数一样，通过不断的学习获得知识，也通过不断做题学习解决方法，学习参考答案的方法，也有自己的解法。

通常网络上的是以游戏举例：

①基本元素：agent environment goal

②主要元素：state action reward

③核心元素：policy value

其中打算根据赵世钰老师学习相关数学模型，根据李宏毅老师学习基础知识以及学习Python的实战演练。

强化学习的数学模型主要分为两个方面，分别是基础工具和算法：

基础工具：

（1）Basic Concepts

（2）Bellman Equation 

（3）Bellman Optimality Equatiopn

算法：

（1）value iteration

（2）Policy iteration

（3）value iteration 与 Policy iteration 的结合 即Truncated Policy iteration

（4）Monte Carlo learning

（5）Stochastic Approximation 随机近似理论

（6）Temporal-Difference learning 时序差分学习

（7）Value Fuction Apporximation

（8）Policy Gradient Methods

（9）Actor-Critic Methods

以上主要是对赵老师第一节课的相关课堂笔记，个人目前认为强化学习需要长时间的架构，可能面临构建模型跑代码需要很长时间，加油加油。