第二章、强化学习基础——强化学习笔记_强的地方维持巩固，弱的强化学习

第二章、强化学习基础

主要内容为题主在学习机器学习时记录的内容

一、概述

1.1 什么是强化学习

强化学习是让智能体 agent 在环境 environment 中学习，根据环境的状态 state，执行动作 action ，并根据环境的反馈 reward （奖励）来指导更好的动作。
举例：

1.2 强化学习核心

核心主要为两部分和三要素，如图。

再举一个常见的游戏（是我的毕业论文呜呜呜）

在Flappy Bird游戏中，agent-小鸟的状态空间为：生、死、以及垂直速度，动作为：拍打起跳、不拍打，奖励为通过管道+1、死亡-1000.

1.3 强化学习应用场景

1.3.1 玩游戏

从超级强大的阿尔法狗，到简单的Flappy Bird，都可以使用强化学习作为自学习与玩家对抗比较的方式。因为游戏中有较为明显的环境、状态空间、奖励、动作，因此非常适合强化学习训练。
走迷宫游戏：

1.3.2 个性化推荐

在个性化推荐方面，强化学习也有着用武之地。
对于一个个性化界面，它的环境就是新闻可用列表以及屏幕前的你，而它的奖励就是用户点击则+reward，跳过或者离开则-reward，而它最终的智能体就是这个拥有了强大的推荐能力的APP。

1.3.3 股票预测

对于股票，它的state就是股票的历史曲线，它的action就是买入和卖出，奖励就是最后对收益。

1.4 强化学习与其他机器学习的关系

监督学习、机器学习、非监督学习、深度学习，这么多学习的关系到底是啥，请看下面这个图：

监督学习：

监督学习处理的是认知，主要用来判断是什么。

非监督学习：

强化学习：

强化学习关注的是决策，要怎么做。

1.5 学习的两种方案

1.5.1 基于价值

value-based：

主要是确定性策略，代表的方法有：Sarsa、Q-learning、DQN。

1.5.2 基于策略

policy-based：

将策略函数化，一条策略走到底，通过最后的结果判断策略的好坏。主要是随机性策略，代表方法为 Policy gradient。

1.6 RL分类

二、GYM&PARL

2.1 GYM

2.1.1 GYM简介

GYM是仿真平台，也是Python的开源库，主要用于搭训练环境，测试算法的优劣。

2.1.2 GYM核心方法

一般要放在一个while循环中，不停的输出一个action给step，step函数返回reward跟observation给agent。

2.2 PARL

2.2.1 PARL简介

PARL是百度开发的强化学习算法框架，它的实现主要分为三部分，Model、Algorithm、Agent。
后面的学习使用中我们会经常使用到这个框架。github链接