强化学习（1）----简介

1、介绍：明天去打球还是学习？（分类问题）

如果打球（惩罚 -1），如果学习（奖励 +1）。

2、强化学习包含：

• 智能体（agent）
• 状态（state）
• 行为（action）
• 奖励（reward）
• 策略（policy）

 3、马尔科夫链：

 

4、强化学习：

（R_s^a + γ【折扣因子】∑_s'∈SP_ss'^a v _π（s')）

当前奖励+下一步价值

【P是状态转移概率 ：当前状态是s，动作是a，达到下一个状态s'的概率】