【一起入门DeepLearning】中科院深度学习_期末复习题2018-2019第七题：强化学习

专栏介绍：本栏目为 “2022春季中国科学院大学王亮老师的深度学习” 课程记录，这门课程与自然语言处理以及机器学习有部分知识点重合，重合的部分不再单独开博客记录了，有需要的读者可以移步 自然语言处理专栏和机器学习专栏。 如果感兴趣的话，就和我一起入门DL吧

2018-2019 学年第二学期期末试题

强化学习五要素：

• S：状态
• A：动作
• R：(s a)的奖励值分布
• P：转移概率
• γ：折扣因子

适合解决该问题的强化学习算法：

• Actor-Critic算法：该算法由两个部分组成，Actor部分用于生成智能体与环境交互的动作，Critic部分用于对Actor产生的动作进行评价。

---

强化学习与监督学习和无监督学习的不同，参考：

• 有监督学习和无监督学习的特点是基于已有的数据，去学习数据的分布或蕴含的其他重要信息。
• 强化学习它不是基于已有的数据进行学习，而是针对一个环境进行学习；
• 另外，它的目标不是学习数据中蕴含的信息，而是寻找能够在环境中取得更多奖励的方法。
• 通俗地说，监督学习的目标只是“弄清楚环境是什么样的”，而强化学习的目标是“在这个环境中生活得更好”。

概括地说，强化学习算法主要涉及到两个组成部分：

• 其一是通过与环境交互产生大量的数据
• 其二是利用这些数据去求解最佳策略。