零基础强化学习教程（持续更新）

一.强化学习最基础的概念定义

1.1 通俗非正式讲解

在本人初步的学习看来，强化学习更像是一个学会某种新东西的一个框架，一个学习规则，或者说是一种学习模式。

通过这种框架，我们可以让机器学会某些东西，说的通俗一点就是让机器不断的去试错，当碰到对的的时候，我们就给一个奖励，比如胡萝卜，证明机器你做对了，请记住你之前做过的正确步骤，这样不段的循环，就可以使得机器去学会一些东西！

1.2 强化学习的两个特点和一个核心

• 特点
  1.Trial and ErroR 试错
  2.Delayed Reward 延迟奖励（只有最后胜利了，才知道前面那些步骤是有用的，所以体现出延迟的感觉）

• 核心
  Exploration & Exploiation 探索和 利用

1.3 强化学习的三层架构

大家可能一上来看不懂这些东西，没关系，先记一个眼熟，往后的讲解你就懂了

• 第一层：基本元素（Basic Element）
  1.主体（Agent）,环境（Environment），目标（Goal）
• 第二层：主要元素（Main Element）
  2.状态（State），行动（Action）,回报（Reward）
• 第三层：核心元素(Core Element)
  3.策略（Policy），价值（Value）

这三层结构是相辅相成的，并不是各自独立存在的，就如同人的脑袋，躯干，下体一样，只有这三个部位组合在一起，才能完成某些特定的任务。

1.4通俗说明强化学习的小故事

咱们一起讲一个故事吧：
小明是一个小学生【Agent】，想学会下围棋【Goal】,在围棋棋盘【Environment】上学，和他对战教他的是小李，小李让小明先手，此时小明看着空空的棋盘【State1】棋盘上有361个空位，所以总共的状态总共有361种,小明下了一个白子放在了棋盘的右下角【Action1】此时就算行动了一步，但是小明并且有赢，所以此时反馈也就是回馈机制【Reward1=0】并没有奖励，只有小明赢得了整盘棋以后，才会奖励一些东西。循环一定次数，小明就能够学会怎么下赢围棋了。至于围棋规则，怎么做能赢的概率大就是【Policy】和【Value】，所以强化学习最难的就是核心元素【Core Element】 的制定。

不知道讲完了这个故事，大家有没有宏观的明白一些强化学习的东西，怎么做，怎么实现那是后面高难度的东西，如果大家能大体知道强化学习什么意思，那就灰常好了，大家一起加油！
后续持续更新…

---