自动驾驶算法——理解强化学习（一）

文章预览

强化学习位于多个领域的交叉点，但其基本理念相同： 决策科学。 在计算机科学中，它是机器学习；在神经科学中，它是奖励系统。在工程学中，它是最优控制。 为什么 RL 与其他机器学习范式 + 领域不同？ 没有监督者，只有奖励 RL 中的反馈通常是延迟的，而不是自发的 时间对于强化学习等动态系统的性能起着重要作用 代理的行为会影响其收到的后续数据（闭环反馈） 现在有通用应用程序吗？ 乘坐直升机进行特技飞行 击败 GO、Atari 等游戏世界冠军 投资组合 步行机器人 定义强化学习问题 奖励 Rₜ 是一种通用标量反馈信号，可帮助代理了解其在步骤 t 的表现如何。一般来说，代理的工作是 最大化累积奖励 。RL 基于这种“奖励假设”；所有目标都可以通过最大化预期累积奖励来描述 。 来源 这里的目标是什么？ 选择某些行动来最大化未来的总 ………………………………