woshishengyong的博客

原创 强化学习介绍

强化学习的组成要素策略（policy） , 奖赏信号 reward , 值函数 value function, 以及可选的环境模型 modelpolicy 定义了agent在一给定时间的决策方式。policy是从感知到环境的状态，到在这些状态下应该采取的动作的映射。一般而言策略是概率性的，指定了执行每个动作的概率。reward 定义了强化学习的目标。在每一time step 中，环境（...