第 01 课 · 基础

什么是深度强化学习？

从尝试中学习的程序，而不是靠别人告诉答案。

在强化学习（RL）中，agent（决策者）在环境中尝试各种动作（action），并得到奖励（reward）作为反馈。目标是找到能在长期内获得最多累计奖励的行为方式。

当用多层神经网络（深度学习）来近似估计数值时，就称为深度强化学习。

序列性（Sequential）动作的后果可能很久之后才出现，必须权衡短期与长期目标。

评价性（Evaluative）只得到一个分数，没有人告诉你正确的动作是什么。必须在收集信息与利用信息之间权衡。

采样性（Sampled）状态太多，不可能全部见过，必须泛化到新状态，这正是神经网络的用武之地。