weixin_44921938的博客

Q-learning必知必会的公式及应用

智能体选择动作的策略或行为准则。既可以是确定性策略，也可以是概率分布策略。智能体生存和行动的外部世界，可以是真实物理世界，也可以是虚拟环境。在环境中进行观察，作出决策并执行动作的主体，其目标最大化累计奖励。例如：国际象棋中棋盘状态，包括每个棋子所在为位置。–环境具体例子：棋盘、迷宫、游戏场景等都是环境。例如：吃掉一个棋子获得1分，被吃得-1分。与环境交互后，对智能体给予的评价反馈。例如：下棋程序、机器人等都是智能体。智能体可以在环境执行的可操作行为。描述只智能体和环境的配置信息。

强化学习与推荐系统

强化学习的基本概念。