基于函数逼近的同轨策略方法
在本书的第二部分,我们扩展了第一部分中介绍的表格方法,以适用于 任意大的状态空间的问题。
- 在我们想要应用强化学习的许多任务中,状态空间是组合的和巨大的;例如,可能的相机图像的数量远大于宇宙中的原子数。
思路:在这种情况下,即使在无限时间和数据的限制下,也不能期望找到最优策略或最优值函数; 目标是使用有限的计算资源找到一个好的近似解决方案。
大状态空间的问题不仅仅是大表格所需的内存,而是准确填充它们所需的时间和数据。
近似解决方案:在我们的许多目标任务中,几乎所遇到的每个状态都将永远不会被看到。 为了在这种状态下作出明智的决定,有必要从以前的经验中推广出一些与现有状态相似的不同状态。 换句话说,关键问题是 泛化。如何有效地 推广有限状态空间子集的经验,以便在更大的子集上产生良好的近似?
泛化方法(函数近似):来自实例的泛化已经广泛研究了,我们不需要发明用于强化学习的全新方法。 在某种程度上,我们只需要将强化学习方法与现有的泛化方法相结合。
- 需要的泛化类型通常称为 函数近似:因为它从所需函数(例如,价值函数)中获取示例并尝试从它们推广以构造整个函数的近似。
- 函数逼近是监督学习的一个实例,是机器学习,人工神经网络,模式识别和统计曲线拟合中研究的主要课题。