初识Reinforcement Learing

什么是强化学习

强化学习（Reinforcement Learning）在百度上的解释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。在我的理解里，强化学习就是用了解决庞大而又复杂问题的一种方式，这通常是最优化问题。用CS234中的一句话解释就是：

Learning to make good sequences of decisions under uncertainty.

一个著名的例子：AlphaGo。如果不用 RL 的话，用穷举来解决这个问题可以吗 ？说实话，肯定是可以的，但这个程序就会十分复杂而且运行起来十分缓慢，那这，又有什么意义呢？
这时强化学习就派出了用场。

应用强化学习的场景

当前应用最广泛的领域就是游戏。无论是大名鼎鼎的AlphaGo还是现在的王者绝悟，你都能看出 RL 的影子。如果一个问题符合其中3个要素，RL 都能排上用场。

• 最优化问题
• 结果未来可知
• 奖励不明显
• 实际应用需要泛化

如果问题符合以下条件：
$$p(s_{t+1}|s_t,a_t)=p(s_{t+1}|h_t,a_t)$$
则可以使用 RL 解决。

未完待续…