《深入浅出强化学习：原理入门》学习笔记（1）

1. 绪论

1.1 强化学习可以解决什么问题

可以用一句话来说明强化学习所能解决的问题：智能决策问题。更确切地说是序贯决策问题。
什么是序贯决策问题呢？就是需要连续不断地做出决策，才能实现最终目标的问题。

1.2 强化学习如何解决问题

• 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，但是两者所需要的数据类型不同。
• 监督学习需要的是多样化的标签数据，强化学习需要的是带有回报的交互数据。
• 强化学习要解决的是序贯决策问题，它不关心输入长什么样，只关心当前输入下应该采用什么动作才能实现最终的目标。当前采用什么动作与最终的目标有关。
• 监督学习→认知：是什么； 强化学习→决策：怎么做
  

图1. 强化学习基本框架 **图1解释了强化学习的基本原理。智能体在完成某项任务时，首先通过动作A与周围环境进行交互，在动作A和环境的作用下，智能体会产生新的状态，同时环境会给出一个立即回报。如此循环下去，智能体与环境不断地交互从而产生很多数据。** ### 1.3 强化学习算法的分类 已有