1.什么是强化学习?
答:学习如何决策,把一个场景应用到一个行动。学习者没有告知采取哪一个动作,必须通过自身的尝试发现什么动作可以产生最多的回报。一个动作不仅影响当前的立即回报,同时也会影响下一个状态,通过这个状态影响后续的回报。
2.RL描述方式:
答:不完全马尔科夫决策过程的最优控制问题。单智能体为达到目的与环境交互中面临的问题。
状态:当前环境状态
目标:目标环境状态
动作:采取动作影响当前状态
3.RL与其他学习区别
监督学习
监督学习有标签
非监督学习
4.小结:
强化学习特点是交互,目标是最大累积回报,任何计算过程能使智能体在交互过程中reward值增加,就可称之为强化学习算法