19什么是强化学习（Reinforcement Learning）

所谓强化学习就是智能系统从环境到行为映射的学习，以使奖励信号(强化信号)函数值最大，强化学习不同于连接主义学习中的监督学习，主要表现在虚拟教师信号上，强化学习中由环境提供的强化信号是对产生动作的好坏作一种评价(通常为标量信号)，而不是告诉强化学习系统RLS(reinforcement learning system)如何去产生正确的动作。由于外部环境提供的信息很少，RLS必须靠自身的经历进行学习。通过这种方式，RLS在行动-评价的环境中获得知识，改进行动方案以适应环境。

简单点说，强化学习就是从无到有的过程，而不是从有推广到无的过程。

上述概念中提到了虚拟教师，虚拟教师，会给学习的结果打分，其实就是一种奖惩机制，奖励那些适应性好的学习，惩罚那些适应性不好的学习。最后让机器自己尽可能朝着适应性好的方向学习，避免朝着适应性不好的方向学习。

强化学习对比监督学习：

强化学习是使用未标记的数据，但是可以通过某种方法知道你是离正确答案越来越近还是越来越远（即奖惩函数）。在监督学习中，能直接得到每个输入的对应的输出。强化学习中，训练一段时间后，你才能得到一个延迟的反馈，并且只有一点提示说明你是离答案越来越远还是越来越近。

RL对应的算法：