强化学习:
智慧决策的过程,通过过程模拟和观察来不断学习,提高决策能力
策略:在特定状态下应该怎么采取行动
目的:找到最佳策略,即能够获得最大奖励的策略
数学模型:
策略和目标:
在马尔科夫决策过程中,最终需要求解一个策略,他是行动和状态之间的映射
分为确定性策略和随机性策略
目标:最大化累计奖励的期望
强化学习的方法分类:
有模型型:已知或者学习状态转移概率
无模型型:探索环境而不直接学习
状态价值函数:
状态-行动价值函数:
深度学习Q-learning
Q表本质是一种映射,吧状态映射为行动
标签:状态,机器,策略,映射,决策,行动,学习,十讲 来源: https://www.cnblogs.com/520520520zl/p/14368279.html
本站声明: 1. iCode9 技术分享网(下文简称本站)提供的所有内容,仅供技术学习、探讨和分享; 2. 关于本站的所有留言、评论、转载及引用,纯属内容发起人的个人观点,与本站观点和立场无关; 3. 关于本站的所有言论和文字,纯属内容发起人的个人观点,与本站观点和立场无关; 4. 本站文章均是网友提供,不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属;如您发现该文章侵犯了您的权益,可联系我们第一时间进行删除; 5. 本站为非盈利性的个人网站,所有内容不会用来进行牟利,也不会利用任何形式的广告来间接获益,纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。