强化学习是一种机器学习方法，其中智能体通过与环境互动来学习最佳策略，以最大化长期奖励。它不同于监督学习，后者依赖于已知的正确答案，也不同于非监督学习，后者关注模式发现。在RL中，智能体在不完全信息的状态下，通过不断尝试和反馈来改进其决策过程，目标是实现累积奖励的最大化。
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
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
