强化学习浅谈_强化学习优点

作者：繁依Fanyi0 | 2024-06-20 08:29:41

踩

强化学习优点

一直对强化学习很感兴趣，毕业前那会也尝试着去学习，但因为当时感觉强化学习的公式晦涩难懂，没能坚持下去。最近因工作需要，又重新开始啃强化学习的知识，发现有了新的体会，故在此记录一下，以便以后随时翻看查阅。
　　机器学习包含了三大分支，有监督学习（或半监督）、无监督学习和强化学习。同前两者相比，强化学习具有如下特点，
　　(1) 没有“supervisor”，只有“reward”信号；
　　(2) 反馈信号有时间延迟；
　　(3) 处理的是序列数据，而不是独立同分布数据；
　　(4) 学习体的“action”影响其后续的数据输入。

agent-environment交互机制

强化学习任务包含了两大主体，Agent和Environment，这里的Agent就是学习者，同时也是决策者。学习者通过和环境进行交互来实现目标，交互过程的框图表示如下，

　　从图中可以看出，这是一个序列化过程，在时刻t，学习体基于当前状态

S_{i}

发出动作

A_{t}

，环境做出回应，生成新的状态

S_{t+1}

和对应的回报

R_{t+1}

声明：本文内容由网友自发贡献，不代表【wpsshop博客】立场，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：https://www.wpsshop.cn/w/繁依Fanyi0/article/detail/739212