英国网站域名网站开发研究现状

张伟楠动手学强化学习笔记|第一讲（上）

人工智能的两种任务类型

• 预测型任务
  • 有监督学习
  • 无监督学习
• 决策型任务
  • 强化学习
    

序贯决策(Sequential Decision Making)

智能体序贯地做出一个个决策，并接续看到新的观测，知道最终任务结束
$$\underset{\pi }{\max }{\mathbb{E}}_{\pi ,Env}[\sum _{t=0}^T{\gamma }^{t}r(s_t,a_t)]$$

强化学习的定义

通过交互学习来实现目标的计算方法

三个方面

• 感知：可以某种程度上感知环境的状态
• 动作：可以采取动作来影响状态或者达到目标
• 目标：随着时间推移最大化累计奖励

交互过程