深度学习之感性理解-强化学习简介

基本介绍

简单来说，就是让机器根据环境，动作和奖励，进行自主学习，来更好的完成目的。

举个例子：
比如王者荣耀，我们的目的是打钱，当你的英雄只有10血的时候（环境），面对野区的怪物，你有2种选择，一种是逃命（动作），一种就打到死（动作），如果你选择了逃命，没打到钱（奖励），回水池加满血了再来吧。如果选择继续打，那可能就挂了，要惩罚，等几秒钟复活吧（负的奖励）。如果机器选择打到死，那就得到负的奖励，那下次再遇到类似情况，他肯定会去选正的奖励，自然就变得智能了。就是通过类似的不断的进行动作，奖励，从而让机器学会一种奖励最大化的行为，来完成目的。

再比如最有名的AlphaGo大白打败李世石，也是用了强化学习，肯定比这个更加高级啦。

为什么不能用监督学习

如果采取监督学习，那应该想成面对某个环境，有个老师会告诉机器说，你走这步是最好的。但是这样会有个问题，因为大多环境是无法穷举的，没办法告诉机器所有环境下应该怎么做最好，所以只能进行无监督学习，通过设定奖励，让机器自己去判断应该怎么做。

目前最多的应用

强化学习目前最多的用于学习视频游戏，主要原理是跟人一样，通过图像来进行选择，也就是图像就是环境，动作无非就是一些基本的操作，移动，跳跃等等，然后让游戏给出相应的奖励。
比如下面这个例子：

通过类似的场景，让机器不断得行动，来最大化他的奖励。

强化学习基本结构-actor行动者

我们可以看到，最基本的actor的结构，就是看到游戏画面，然后输入神经网络处理，最后来告诉机器每个行动的概率，机器会选概率最大的那个行动。有了神经网络，就可以进行不断的训练，使得朝奖励最大的方向前进。具体的细节和公式就不讲了，感性理解吧。

总结

简单来说，就是机器从很多个游戏场景里提出若干个场景，进行训练，得出相应的动作和奖励，从而选出在某个场景下，应该选择哪种动作，即可让机器自己玩游戏了。

好了，今天就到这里了，希望对学习理解有帮助，大神看见勿喷，仅为自己的学习理解，能力有限，请多包涵，图片均来自网络，侵删。