强化学习和生成对抗网络

1. 强化学习的定义

强化学习（reinforcement learning）是机器学习的一个重要分支，是一门多领域交叉学科，它的本质是自行解决决策问题，并且能进行连续决策。
强化学习有四个主要组成部分∶
1.代理（Agent）reward action state
2.环境（Environment）
3.行动（Action Environment）
4.奖励（Reward）
简而言之，强化学习是一个让代理在环境中不断尝试各种行动，并能通过奖励来影响行动模式，使得奖励最优化（或者趋近于最优）的一种算法。

2. 两种学习任务

两种学习RL的方式
Value Based
写出一个value function，这个value function可以告诉我们每一步的未来rewards会有多大

3. Policy Based

在这里，我们希望最优化一个policy function而不是一个value function

有两种policy可以选择∶
Deterministic∶相同state下，永远给出相同的action，简单来说就是每次在同样的情况下做出一样的选择
Stochastic∶给出一个所有action的可能性的distribution，意思是在选择具有随机性，在某些对抗性游戏中，随机决策是必须的

4. 生成模型

5. 生成模型大家族

6. DCGAN