强化学习一：基础部分 - 知乎.pdf
需积分: 1 45 浏览量
2023-05-18
11:53:24
上传
评论
收藏 920KB PDF 举报
4/23/23, 1:52 PM
强化学习一：基础部分 - 知乎
https://zhuanlan.zhihu.com/p/555303537
1/6
强化学习一：基础部分
已关注
11 人赞同了该文章
UIUC MSCS DL/Fin/MLSys
HeptaAI
泻药。笔者最近读完了Taweh的强化学习实战教材《Python强化学习实战》，受到颇多启发，刚
好看到这个老问题（现在是2022.8.26），于是在这里写出很多新的思考。文章里面引用了一些书
本里面的精华quotes。
能否介绍一下强化学习（Reinforcement Learning），以及与监督学习的不同？
先上结论。
强化学习是机器学习在最优控制理论的应用，这意味着它不用机器学习也能做。传统的强化学习可
以用PPO等算法，后来发现用Q-learning比较顺手，掀起了一波学Q表的风潮。再后面深度学习出
来，用深度学习学Q表开始屠榜。很多回答都说强化学习和监督学习没啥关系，其实这俩在目前的
学界结合很紧密，就是因为DQN。DQN本质就是一个监督学习，只不过用了些手段，把强化学习
建模成一个拟合问题。
强化学习两个最基本的要素就是状态等观测值和奖励函数。监督学习两个最基本的要素就是训练数
据和标签。这俩完全就是无缝链接，因为观测值可以作为训练数据，奖励函数可以作为损失函数，
标签也有了。这样就可以在agent在环境里跑的时候不断获得训练数据和标签，本质上就是让
agent的行为逐渐拟合奖励函数。
如果你对以上解释有疑问，可以接着读。
文章资源
收起
源
法
略的学习
略优化 PPO
学习
学习
赞同 11
添加评论 喜欢 收藏 申请转载
分享
资源评论
