蘑菇书EasyRL-task01强化学习基础

第1章 强化学习基础

1.1 概述

强化学习（reinforcement learning,RL）
讨论的问题是智能体（agent）怎么在复杂、不确定的环境（environment）中最大化它能获得的奖励。
智能体的目的就是尽可能多地从环境中获取奖励。

1.1.1 强化学习与监督学习

监督学习：输入的数据（标注的数据）都应是没有关联的。因为如果输入的数据有关联，学习器（learner）是不好学习的。
需要告诉学习器正确的标签是什么，这样它可以通过正确的标签来修正自己的预测。
通常假设样本空间中全体样本服从一个未知分布，我们获得的每个样本都是独立地从这个分布上采样获得的，即独立同分布(independent and identically distributed，简称 i.i.d.)。

强化学习中得到的数据是相关时间序列数据，不满足独立同分布，且智能体无法得到即时的反馈。
强化学习面临着延迟奖励（delayed reward），即现在的动作无法判定对错，直至游戏结束。