一、强化学习几个核心概念
1.环境(Environment):
智能体生存和行动的外部世界,可以是真实物理世界,也可以是虚拟环境。
–环境具体例子:棋盘、迷宫、游戏场景等都是环境。
2.智能体(Agent):
在环境中进行观察,作出决策并执行动作的主体,其目标最大化累计奖励。
例如:下棋程序、机器人等都是智能体。
3.状态(State):
描述只智能体和环境的配置信息。
例如:国际象棋中棋盘状态,包括每个棋子所在为位置。
4.动作(Action):
智能体可以在环境执行的可操作行为。
例如:下棋每一步可以移动位置。
5.奖励(Reward):
与环境交互后,对智能体给予的评价反馈。
例如:吃掉一个棋子获得1分,被吃得-1分。
6.策略(policy):
智能体选择动作的策略或行为准则。既可以是确定性策略,也可以是概率分布策略。
7.价值函数(Value Function):
评估某状态或状态-动作组合的长期回报期望。通过估计价值指导智能体策略。