m0_57158763的博客

原创 强化学习笔记（一）

1.一个强化学习系统的两个关键元素：奖励（reward）、策略（policy）；奖励（reward）：强化学习的学习目标，在做出行动后接收到来自环境的奖励。策略（policy）：决策者根据不同的观测决定采取不同的策略。强化学习的对象。2.与监督学习、非监督学习的区别；3.智能体（agent）、环境（environment）的概念及两者之间的交互；4.强化学习的分类：基于价值、基于策略；基于价值的强化学习定义了状态或动作的价值函数，来表示到达某种状态或执行某种动作之后获得的回报。基..