在网上搜索了关于强化学习的一些博客
强化学习是什么
与有监督学习、无监督学习类似的机器学习算法
有监督学习是对有标签的数据进行训练从而对未知数据做预测
而强化学习是通过不断在学习中实践,在实践中学习的计算决策过程。通过不断地与环境交互,经过短期、长期的收益进行优化决策,获取最大收益的过程。
发现强化学习是一个状态不断转移的过程,想到了动态规划。索性查了一下:
动态规划是通过组合子问题的解来解决原问题
动态规划应用于子问题重叠的情况,即不同的子问题具有公共的子子问题
动态规划算法对每个子子问题只求解一次
动态规划通常用来求解最优化问题
动态规划=【最优子结构】+【边界】+【状态转移公式】
- 那么动态规划与强化学习究竟是什么关系呢?
强化学习最大的应用场景
游戏,打败世界围棋冠军的alphaGo和alphaZero,打败王者荣耀顶级职业玩家的腾讯强化学习系统“觉悟”
L5级的自动驾驶。当前强化学习在推荐系统、对话系统、教育培训、广告、金融等领域也有一些应用,主要是一些有交互的场景
基本结构
agent(人)在某种场景(state)下,做出某种行为(action),得到某种反馈(reward),这就是强化学习的四要素:状态(state)、动作(action)、策略(policy)、奖励(reward)。通过与环境的不断交互,agent可以优化自己做决策(policy)的正确性,以获取整个交互过程的最大收益。
分类
基于价值的算法
基于策略梯度的算法
来源:强化学习简介
强化学习入门知识梳理