強化學習的另一種策略（一）

強化學習在人工智慧技術中雖然不是十分的突出，但是強化學習也是乙個十分重要的技術，是乙個不容忽視的內容。大家是否知道，其實，強化學習還存在著另外一種策略，那就是反向強化學習，在這篇文章中我們就簡單給大家介紹一下這種反向強化學習的內容。

首先我們給大家介紹一下反向強化學習基礎，反向強化學習也稱為模仿學習或學徒學習。在強化學習中，我們的基本思路是通過agent與環境的互動，根據環境對於agent在某一狀態下所採取動作的回報，對agent的策略進行更新，從而獲得最大化的長期期望收益。也就是說，強化學習通常是在回報已知的情況下求出值函式和策略。但是大家有沒有考慮過這麼一種情況，那就是如果回報我們無法獲得呢？反向強化學習使用了逆向思維，我們不通過回報求策略，而是反過來，根據策略求回報。這聽起來感覺是無法實現的，其實並不是這樣的，我們想通過互動獲得回報，就是為了求解更好的策略，現在有了策略，我們為什麼還要去求回報呢？因為很多時候，我們擁有的不是最優的策略，而是基於這些策略的一些樣本。