Reinforcement Learning: An Introduction 閱讀筆記-1

1.強(qiáng)化學(xué)習(xí)中的basic elements:

policy --相當(dāng)與環(huán)境和動作之間的一個映射,在給定的state下執(zhí)行何種action是由policy決定的。policy的所有可能組成一個policy空間幔烛,優(yōu)化目標(biāo)就是在這個巨大的空間中,學(xué)習(xí)到某一種最優(yōu)的policy。

reward function -- 也可以看成是一個映射隐解,關(guān)于當(dāng)前的動作,或者當(dāng)前環(huán)境和當(dāng)前動作的pair的好不好的一個評價(jià)诫睬。屬于立即評價(jià)煞茫,只考慮當(dāng)前這一步的好壞。

value function -- 和上面的reward function對比著看摄凡,這一步考慮的是當(dāng)前環(huán)境狀態(tài)的長遠(yuǎn)優(yōu)勢续徽,也就是以當(dāng)前狀態(tài)為起點(diǎn),以后的多個時間點(diǎn)之后的各個狀態(tài)的reward之和亲澡。如何更好的估計(jì)這個值钦扭,是幾乎所有增強(qiáng)學(xué)習(xí)問題的解決重點(diǎn)和難點(diǎn)。這個也是如何評定一個policy好壞的標(biāo)準(zhǔn)床绪。也是把增加學(xué)習(xí)和evoluation method (例如遺傳算法)區(qū)別開的地方客情。

model of environment -- 對環(huán)境的建模。這個模型有點(diǎn)預(yù)測環(huán)境的走向的意思癞己。比如膀斋,假如我有了這個模型,我可以知道在當(dāng)下的環(huán)境下痹雅,下一步的環(huán)境狀態(tài)和reward是什么仰担。這樣,我就不必去真實(shí)的走這一步绩社,就已經(jīng)知道結(jié)果了摔蓝,也就是不用非得試錯了。這是個新的發(fā)展方向愉耙。

關(guān)于evolution method 要多說點(diǎn):它和強(qiáng)化學(xué)習(xí)的區(qū)別在于项鬼,它不利用任何你的過程信息,只使用結(jié)果劲阎。比如我采用某一個policy,我就用這固定的policy和環(huán)境進(jìn)行多次實(shí)驗(yàn)绘盟,看看最后的結(jié)果概率分布,然后知道這個policy有多大概率贏悯仙。然后換下一個龄毡,繼續(xù)大量實(shí)驗(yàn)。最后在policy空間里找到一個最優(yōu)的锡垄。它的缺點(diǎn)是忽略了大量的實(shí)驗(yàn)過程信息沦零,也即根本沒有考慮到value function。

最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末货岭,一起剝皮案震驚了整個濱河市路操,隨后出現(xiàn)的幾起案子疾渴,更是在濱河造成了極大的恐慌,老刑警劉巖屯仗,帶你破解...
    沈念sama閱讀 222,865評論 6 518
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件搞坝,死亡現(xiàn)場離奇詭異,居然都是意外死亡魁袜,警方通過查閱死者的電腦和手機(jī)桩撮,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 95,296評論 3 399
  • 文/潘曉璐 我一進(jìn)店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來峰弹,“玉大人店量,你說我怎么就攤上這事【铣剩” “怎么了融师?”我有些...
    開封第一講書人閱讀 169,631評論 0 364
  • 文/不壞的土叔 我叫張陵,是天一觀的道長蚁吝。 經(jīng)常有香客問我诬滩,道長,這世上最難降的妖魔是什么灭将? 我笑而不...
    開封第一講書人閱讀 60,199評論 1 300
  • 正文 為了忘掉前任疼鸟,我火速辦了婚禮,結(jié)果婚禮上庙曙,老公的妹妹穿的比我還像新娘空镜。我一直安慰自己,他們只是感情好捌朴,可當(dāng)我...
    茶點(diǎn)故事閱讀 69,196評論 6 398
  • 文/花漫 我一把揭開白布吴攒。 她就那樣靜靜地躺著,像睡著了一般砂蔽。 火紅的嫁衣襯著肌膚如雪洼怔。 梳的紋絲不亂的頭發(fā)上,一...
    開封第一講書人閱讀 52,793評論 1 314
  • 那天左驾,我揣著相機(jī)與錄音镣隶,去河邊找鬼。 笑死诡右,一個胖子當(dāng)著我的面吹牛安岂,可吹牛的內(nèi)容都是我干的。 我是一名探鬼主播帆吻,決...
    沈念sama閱讀 41,221評論 3 423
  • 文/蒼蘭香墨 我猛地睜開眼域那,長吁一口氣:“原來是場噩夢啊……” “哼!你這毒婦竟也來了猜煮?” 一聲冷哼從身側(cè)響起次员,我...
    開封第一講書人閱讀 40,174評論 0 277
  • 序言:老撾萬榮一對情侶失蹤败许,失蹤者是張志新(化名)和其女友劉穎,沒想到半個月后淑蔚,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體市殷,經(jīng)...
    沈念sama閱讀 46,699評論 1 320
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 38,770評論 3 343
  • 正文 我和宋清朗相戀三年束倍,在試婚紗的時候發(fā)現(xiàn)自己被綠了被丧。 大學(xué)時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片盟戏。...
    茶點(diǎn)故事閱讀 40,918評論 1 353
  • 序言:一個原本活蹦亂跳的男人離奇死亡绪妹,死狀恐怖,靈堂內(nèi)的尸體忽然破棺而出柿究,到底是詐尸還是另有隱情邮旷,我是刑警寧澤,帶...
    沈念sama閱讀 36,573評論 5 351
  • 正文 年R本政府宣布蝇摸,位于F島的核電站婶肩,受9級特大地震影響,放射性物質(zhì)發(fā)生泄漏貌夕。R本人自食惡果不足惜律歼,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 42,255評論 3 336
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望啡专。 院中可真熱鬧险毁,春花似錦、人聲如沸们童。這莊子的主人今日做“春日...
    開封第一講書人閱讀 32,749評論 0 25
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽慧库。三九已至跷跪,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間齐板,已是汗流浹背吵瞻。 一陣腳步聲響...
    開封第一講書人閱讀 33,862評論 1 274
  • 我被黑心中介騙來泰國打工, 沒想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留甘磨,地道東北人听皿。 一個月前我還...
    沈念sama閱讀 49,364評論 3 379
  • 正文 我出身青樓,卻偏偏與公主長得像宽档,于是被迫代替她去往敵國和親尉姨。 傳聞我的和親對象是個殘疾皇子,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 45,926評論 2 361

推薦閱讀更多精彩內(nèi)容