强化学习(Reinforcement Learning)和MDP

以下文章摘录自：

《机器学习观止——核心原理与实践》

京东： https://item.jd.com/13166960.html

当当：http://product.dangdang.com/29218274.html

(由于博客系统问题，部分公式、图片和格式有可能存在显示问题，请参阅原书了解详情)

 

 

1.1        强化学习(Reinforcement Learning)和MDP

1.1.1        强化学习的基础概念

图 ‑ 强化学习的多面性(David Silver)

 

简单而言，深度强化学习是深度学习和强化学习的“融合体”。因而在学习DRL之前，我们有必要先了解一下强化学习。

强化学习虽然已经有几十年的历史，但它在最近几年突然火起来则要归功于DeepMind。这家建立于英国的小公司在2013年开始就不断地在实现着各种突破——从Atari游戏打败人类，并将成果发表于Nature上;再到开发出AlphaGO系列围棋智能程序，一次次挑战人类智慧巅峰，这些爆炸性的消息一遍遍地刷新着每天的热点榜单，也就直接带火了深度强化学习(以及强化学习)。关于AlphaGO的内部实现原理，本书后续章节有详细解析。

强化学习和有监督学习/无监督学习类似，是Machine Learning的一种类型。与后两者的不同之处在于，它强调的是从环境的交互中来寻求最优解。如下图所示：

图 ‑