强化学习概念

机器学习分为监督学习、非监督学习、强化学习。

强化学习把行为学习看作是反复实验的过程，从而把环境状态映射成相应的动作。强化学习是根据环境反馈，与环境进行交互，不断地试错，利用评价性的反馈信号实现决策的优化，为机器人环境自适应问题提供了有利的解决方案。

强化学习的基本思想：智能体通过与环境交互，根据环境反馈得到的奖励，不断地调整策略，寻找一个最佳决策，主要用来解决决策优化类问题。基本要素：策略、奖赏函数、值函数、环境模型。基本学习模型：

智能体根据目前的状态St，在动作空间中选择动作at，环境根据智能体做出的动作来反馈相应的奖励rt+1，并且转移到新的状态St+1，智能体根据得到的奖励调整自身策略，并针对新的状态做出新的决策。强化学习的特点是自学习和在线学习，它的目标是获取最大奖赏。

π 表示智能体的某个策略，γ ∈［0，1］为折扣率，k为未来时间步骤，S为状态空间。

广义上，强化学习技术主要包括3个方面，多臂老虎机，马尔可夫决策过程，深度强化学习。