DRL:强化学习-Q-Learning算法

强化学习

• 论文发表在国际顶级期刊《Science》上，2016.3，透过自我对弈数以万计盘进行练习强化，AlphaGo在一场五番棋比赛中4:1击败顶尖职业棋手李世石。2016.12，Master(AlphaGo版本)开始出现于弈城围棋网和腾讯野狐围棋网，取得60连胜的成绩，以其空前的实力轰动了围棋界。DeepMind 如约公布了他们最新版AlphaGo论文(Nature)，介绍了迄今最强最新的版本AlphaGo Zero，使用纯强化学习，将价值网络和策略网络整合为一个架构，3天训练后就以100比0击败了上一版本的AlphaGo。AlphaGo已经退休，但技术永存。
• 人工智能终极目标：
  • AI = DL(Deep Learning) + RL(Reinforcement Learning) == DRL(Deep Reinforcement Learning)
• 开山之作
  • Deep Mind 使用 DQN 让机器人玩 Atari 游戏并达到（超越）人类顶级选手水平：
• 强化学习就是“闭环学习”范式的典型代表

⽤⼀句话来概括强化学习和监督学习的异同点：强化学习和 监督学习的共同点是两者都需要⼤量的数据进⾏训练，但是两者所需要