在網上搜尋了關於強化學習的一些部落格
與有監督學習、無監督學習類似的機器學習演算法
有監督學習是對有標籤的資料進行訓練從而對未知資料做**
而強化學習是通過不斷在學習中實踐，在實踐中學習的計算決策過程。通過不斷地與環境互動，經過短期、長期的收益進行優化決策，獲取最大收益的過程。
發現強化學習是乙個狀態不斷轉移的過程，想到了動態規劃。索性查了一下：
動態規劃是通過組合子問題的解來解決原問題
動態規劃應用於子問題重疊的情況，即不同的子問題具有公共的子子問題
動態規劃演算法對每個子子問題只求解一次
動態規劃通常用來求解最優化問題
動態規劃=【最優子結構】+【邊界】+【狀態轉移公式】
agent（人）在某種場景（state）下，做出某種行為（action），得到某種反饋（reward），這就是強化學習的四要素：狀態(state)、動作(action)、策略（policy）、獎勵(reward)。通過與環境的不斷互動，agent可以優化自己做決策（policy）的正確性，以獲取整個互動過程的最大收益。
強化學習入門知識梳理
強化學習入門 的入門
強化學習是機器學習裡面非常重要的乙個派別。智慧型體 agent 會不斷執行一些操作，通過結果來學習，在不同的環境中分別應該採取怎樣的行動。以上幾點，在進入強化學習的複雜世界之前，可能還是有必要了解一下。這是個友好的引子 強化學習的中心思想，就是讓智慧型體在環境裡學習。每個行動會對應各自的獎勵，智慧型...
強化學習入門（一）
在強化學習中，環境狀態的轉移和環境反饋給agent的獎賞是不受agent個體控制的，agent只能通過選擇要執行的動作來影響環境，並通過觀察轉移後的狀態和環境反饋的獎賞值來感知環境，agent的強化學習過程即是通過不斷嘗試各種動作 狀態策略，並通過環境反饋的獎賞不斷調整策略，從而達到在某一環境狀態中...
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...