AI学习笔记之——强化学习(Reinforcement Learning, RL)

姓名：张庆庆

学号：19021211151

嵌牛导读：机器学习第三类强化学习

 嵌牛鼻子：机器学习 强化学习

嵌牛提问：什么是强化学习，强化学习所展现的效果

转载源：AI学习笔记之——强化学习(Reinforcement Learning, RL) - ，作者：Hongtao洪滔

嵌牛正文：

机器学习按照从那里学的角度可以分为：监督学习，无监督学习和强化学习三大类。之前的文章大多数都是介绍的前两类，而第三类强化学习（RL）确是最接近我们想象的“人工智能”。前段时间 Alpha Go 下围棋之所以能打败人类选手，也是拜强化学习所赐，今天我们就来简单谈一谈强化学习。

1.强化学习简介

强化学习（RL）就是在环境中与环境的互动不停地学习的，非常像人类学习走路，学习骑车，学习游泳等等。

想象一下自己刚刚开始学习骑自行车的样子，东扭西歪的，还摔过不少跤，最后才逐渐熟练掌握的。这种东扭西歪的动作恰恰就是对周围环境的不停反馈，如果动作不当摔倒了，就是个负反馈，下次再做这个动作就要小心了。用力蹬踏板的时候车子就向前走，这就是个正反馈，要继续保持这个动作前进。

与学习监督学习和非监督学习不一样，强化学习涉及到环境(Environment)，反馈(或者说是奖励Reward)，Action（行动） 以及智能体(Agent)本身，所以并不是写几段Python代码，找个数据库就能开始学习的。还好，现在有有如OpenAI这样的开源平台，让初学者能够很快通过游戏的形式上手强化学习的项目。

在这里我简单介绍一个OpenAI 里面的小游戏，抛砖引玉让大家理解一下什么是强化学习。

2.OpenAI

OpenAI 的gym里面有一个叫CartPole的小游戏，就是水平方向上有一个可以左右移动的平台，平台上有一个木棍，在重力的作用下会左右摇摆，你要做的事情就是左右移动平台使其保持平衡不要掉下来。

游戏的环境参数实际上就是如下图的四个变量：

[Horizontal Position,Horizontal Velocity, Angle of Pole, Angular Velocity]

首先以最简单的方式造一个智能体。

# Gotta import gym!importgym# Make the environment, replace this string with any# from the docs. (Some environments have dependencies)env=gym.make('CartPole-v0')# Reset the environment to default beginningenv.reset()# Using _ as temp placeholder variablefor_inrange(1000):# Render the envenv.render()# 这里随机行动env.step(env.action_space.sample())# take a random action

这段代码不多解释，可以参考官方网文档, 其中最关键的是这一句

env.step(env.action_space.sample())

我们实际上是让平台随机移动，可以想象结果是这样的。

3.代码控制Agent

一般学习的对象我们叫做机器人或者Agent， 我们怎么简单地让这个Agent 智能一下呢？

最简单的方法就是当棍子向左偏的时候(Angle >0)就向右移动(Action = 1)，向右偏（Angle<=0）就向左移动(Action = 0)。代码实现如下:

注意，四个环境变量是需要在obseervation中提取出来的，角度参数就是pole_ang

import gymenv = gym.make('CartPole-v0')# print(env.action_space.)# #> Discrete(2)# print(env.observation_space)# #> Box(4,)observation = env.reset()for t in range(1000):    env.render()    cart_pos , cart_vel , pole_ang , ang_vel = observation    # Move Cart Right if Pole is Falling to the Right    # Angle is measured off straight vertical line    if pole_ang > 0:        # Move Right        action = 1    else:        # Move Left        action = 0    # Perform Action    observation , reward, done, info = env.step(action)    print(observation)

效果如下，虽然还是不稳定，但是比让平台随机移动还是有了点效果。

嵌牛总结：注意上面通过if语句实现对Agent的控制，是完全没有用到机器学习的，因为逻辑是写死的，机器根本就没有“学习”的过程。

这里用这个例子只是简单让读者理解强化学习是什么，就是向人一样，通过行动和环境的反馈不停地修正进行学习的。后续的文章会引入神经网路，让机器学起来。