增强学习简介

机器学习有三大分支，监督学习、无监督学习和强化学习，强化学习是系统从环境学习以使得奖励最大的机器学习。人工智能中称之为强化学习，在控制论中被称之为动态规划，两者在概念上是等价的。也被翻译为增强学习。

二、概念

1.不同于机器学习的其它两个分支：

• 它不是无监督学习，因为有回报（Reward）信号
• 反馈是延时的，而不是即时的
• 数据是与时间有关的序列
• 智能体的动作与后续的数据有关

2.强化学习基于一种回报假设：

• 回报是标量反馈信号
• 表明智能体（Agent）在这步做得有多好

• 智能体（Agent）的任务就是最大化累计回报

增强学习也称为强化学习：

强化学习目的是构造一个控制策略，使得Agent行为性能达到最大。Agent从复杂的环境中感知信息，对信息进行处理。Agent通过学习改进自身的性能并选择行为，从而产生群体行为的选择，个体行为选择和群体行为选择使得Agent作出决策选择某一动作，进而影响环境。

增强学习是指从动物学习、随机逼近和优化控制等理论发展而来，是一种无导师在线学习技术，从环境状态到动作映射学习，使得Agent根据最大奖励值采取最优的策略；Agent感知环境中的状态信息，搜索策略（哪种策略可以产生最有效的学习）选择最优的动作，从而引起状态的改变并得到一个延迟回报值，更新评估函数，完成一次学习过程后，进入下一轮的学习训练，重复循环迭代，直到满足整个学习的条件，终止学习。