系列文章目录
前言
一、什么是强化学习?
强化学习是一种以目标为导向的计算方法,计算机通过与未知的动态环境交互来学习执行任务。这种学习方法能让计算机在没有人工干预和明确编程的情况下,做出一系列决策,使任务的累积奖励最大化。下图显示了强化学习场景的一般表示方法。
强化学习的目标是训练智能体 agent 在未知环境中完成任务。agent 接收来自环境的观察结果 observations 和奖励 reward ,并向环境发送行动 actions 。奖励是衡量一个行动在完成任务目标方面成功与否的标准。
agent 包含两个部分:策略 policy 和学习算法 learning algorithm 。
- 策略是根据环境观测结果选择行动的映射。通常情况下,策略是一个参数可调的函数近似器,如深度神经网络。
- 学习算法根据行动、观察结果和奖励不断更新策略参数。学习算法的目标是找到最优策略,使任务期间获得的累积奖励最大化。