這是第一篇強化學習的學習筆記，會覆蓋幾個基本的概念。
程式本身，接受環境的訊號，作出行動，影響環境，形成乙個閉環。
價值函式，通過value來評估哪一些狀態和動作是好的，選擇那些能夠提高value的動作和狀態。
動作，當agent觀察到環境的狀態後，可以作出一些行動去影響環境，比如自動駕駛的汽車看到路面的標識作出判定是加速還是減速，拐彎或是保持。
策略，是agent根據當前的狀態按照一定的機率選擇動作的方案，通常是乙個基於狀態的機率矩陣。
狀態，是agent對當前環境所有情況的一種概況和總結，圍棋中的每一步棋的局面對應一種狀態。
模型，agent認知世界的一種模型，這種模型通常是人類去建立的，可能是一種高斯合作線性模型，屬於人類先驗的知識的設定，agent訓練的是模型中的引數。
馬爾科夫決策過程，表示下一刻的狀態只和當前的狀態相關，和過往的歷史完全沒有關係，表示過往的歷史知識所有都表徵在當前這個狀態中了，比如棋盤中，下一刻的落子和當前的棋局相關，和上一步怎麼走的沒什麼關聯。
探索，在agent選擇動作的策略時，可以一直去選擇最優的動作，也可以增加一點隨機性，比如中午吃飯，可以選擇一直吃的中最好吃的一家，這就是exploit，也可以隨機選擇一家從未吃過的，這就是explore。
強化學習系列1 強化學習簡介
2015年10月，alphago在和歐洲冠軍進行的圍棋賽上獲得了5 0的完勝，其後的深度強化學習也隨之火了起來。從本期開始開個新坑，一步步把強化學習的內容捋一遍。強化學習 reinforcement learning 是用來解決連續決策問題的一種方法。針對的模型是馬爾科夫決策過程 markov de...
強化學習1 什麼是強化學習
強化學習 reinforcement learning,rl 一般也稱作增強學習，和心理學 動物行為的研究等領域有比較久的淵源。心理學中，強化 指生物受到外界環境中的某些刺激後，自覺或者不自覺調整應對策略，達到趨利避害。舉個例子。馬戲團訓練動物時 比方說猴子 訓導員首先會發出某種指令 比方說抬一下手...
強化學習實戰1
利用gym建立如圖所示的迷宮 如下 注意這不是乙個完整的rl agent，因為現在只寫好了影象渲染引擎render agent是乙個類 import gym from gym.envs.classic control import rendering class grid gym.env def i...