什么是强化学习?
1. 强化学习可以应用的场景
- 具体内容:游戏博弈、下棋、投资、课程安排、驾车、动作模仿;
- 应用领域:机器人控制、汽车智能驾驶、人机对话、过程优化决策与控制等。
2. 强化学习要解决的问题
- 智能决策问题,更确切的说是序贯决策问题;
- 所谓序贯决策问题就是需要连续不断的做决策才能实现最终目标的问题,如小车二级摆、下围棋、打电子游戏等。
3. 强化学习主要研究思路和研究点:
- 研究思路:
- 挑战更难的问题,不断从次优解向最优解逼近;
- 在不严重影响精度的情况下,降低算法的计算成本;
- 提升算法的快速收敛性和泛化性。
- 研究点:分层强化学习、元强化学习、多智能强化学习、关系强化学习、迁移强化学习等。
4. 强化学习与监督和非监督学习的对比
- 机器学习(Machine Learning)算法常被分为监督学习(Supervised Learning)、非监督学习(Unsupervised Learning )和强化学习(Reinforcement Learning)。
- 监督/非监督学习都是基于已经存在的静态数据进行机器学习,属于“开环学习”;而强化学习是采用动态数据ÿ