【人工智能学习】第七课：强化学习基础

第七课：强化学习基础

1. 强化学习简介

强化学习（Reinforcement Learning, RL）是人工智能的一个重要分支，涉及智能体（agent）通过与环境（environment）的互动来学习如何做出决策。与监督学习和无监督学习不同，强化学习的目标是学习一个策略（policy），用以在给定状态下选择最优动作，以最大化累计奖励。

2. 强化学习的关键要素

• 智能体（Agent）：做出决策的实体。
• 环境（Environment）：智能体所处并与之互动的外部世界。
• 状态（State）：环境在特定时间点的描述。
• 动作（Action）：智能体在特定状态下可以选择的行为。
• 奖励（Reward）：智能体因采取特定动作而从环境中获得的反馈。

3. 强化学习的流程