强化学习task1打卡

强化学习笔记：

强化学习擅长解决序列化问题，马尔可夫决策过程是强化学习的基本问题模型之一，主要讲述智能体与外部环境交互学习的一个过程。所以强化学习需要外部的奖励来提升学习的效率。

“当问题无法满足不符合马尔可夫性质的，这也并不意味着完全不能用强化学习来解决，实际上此时我们可以用深度学习神经网络来表示当前的棋局，并用蒙特卡洛搜索树等技术来模拟玩家的策略和未来可能的状态，来构建一个新的决策模型，这就是著名的 AlphaGO 算法④。具体的技术细节后面会展开，总之记住在具体的情境下，当我们要解决问题不能严格满足马尔可夫性质的条件时，是可以结合其他的方法来辅助强化学习进行决策的。” 人工智能研究中许多问题可以使用某一主要方法辅助其他方法来转变解决问题的思路。

“马尔可夫链（马尔可夫过程）的基础上增加奖励元素就会形成马尔可夫奖励过程（Markov reward process, MRP），在马尔可夫奖励过程基础上增加动作的元素就会形成马尔可夫决策过程，也就是强化学习的基本问题模型之一。其中马尔可夫链和马尔可夫奖励过程在其他领域例如金融分析会用的比较多，强化学习则重在决策，这里讲马尔可夫链的例子也是为了帮助读者理解状态转移矩阵的概念。”状态转移+奖励+动作根据需要调整方法解决问题。