greatwind的博客

要理解强化学习，让我们先从宏观视角入手。我们现在可以给出一个正式定义：强化学习是一种通过构建智能体来解决控制任务（也称为决策问题）的框架，该智能体通过与环境互动进行试错学习，并以获得奖励（正向或负向）作为唯一反馈来从环境中学习。但强化学习是如何运作的呢？强化学习是一种通过行为进行学习的计算方法。我们构建一个智能体，它通过试错与环境互动，并以奖励（正向或负向）作为反馈来从环境中学习。任何强化学习智能体的目标都是最大化其预期累积奖励（也称为预期回报），因为强化学习基于奖励假说— 即。