2023年，thorndike提出效果律(law of effect)，從心理學的角度**了強化思想:動物感到舒服的行為會被強化，動物感到不舒服的行為會被弱化
2023年，馬文·明斯基(marvin minsky)在其博士**中實現了計算上的試錯學習
2023年，bellman提出求解最優控制問題的動態規劃方法，並提出了最優控制問題的隨機離散版本，即著名的馬爾科夫決策過程
2023年，howard提出馬爾科夫決策過程的策略迭代方法
2023年，明斯基在其**「steps toward artificial intelligence」中首次使用「reinforcement learning"一詞
*2023年，明斯基因在人工智慧領域的貢獻獲得圖靈獎
2023年，watkins提出了q-learning，將動態規劃、時序差分、蒙特卡洛模擬三條線結合在了一起
2023年，tesauro將強化學習成功應用到西洋雙陸棋
....
2023年，強化學習和深度學習結合:alphago
2023年，alphago zero
... ..
強化學習 強化學習基礎
為了應對車載網路中通訊環境快速變化的難題，可以使用強化學習進行解決，這裡對強化學習的基礎進行整理。主要的應用場景為車載網路中資源分配問題。本文源自莫煩python 強化學習章節，有需要請查閱原文 20200413補充了一些內容，來自這篇部落格，是李巨集毅的深度強化學習的筆記。強化學習的主要構成有 a...
強化學習 1 1 0 強化學習介紹
abstract 本文介紹reinforcement learning的具體特點和與其他機器學習演算法不同之處，本文是乙個骨架性的文章，所有專有名詞都保持英文原始單詞，具體內容會在後續中給出詳細解答。keywords reinforcement learning，situation，action，e...
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...