1、强化学习基础概念（Reinforce learning）

最新推荐文章于 2025-08-04 19:59:55 发布
原创 最新推荐文章于 2025-08-04 19:59:55 发布 · 387 阅读 · 7 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#机器学习 #人工智能

Basic Concepts（基本概念）

A grid-world example （网格世界示例）

  • accessible ： 可到达的
  • forbidden ： 禁止到达或者说是进去会受到惩罚的
  • target ： 目标地址
  • boundary ： 边界

State

就是对应一个agent的一个状态。此处指的就是不同网格的一个位置

state space： 位置集合

Action

在state位置的可以进行不同操作，这里指的是可以再一个位置（例如s1）可以进行的不同方向的移动

注意a5是原地移动

State Transition（状态转移、过渡）

也就是从一个状态变为另一个状态（这里指的是位置）

forbidden area： 我们这里处理的情况是禁止区域也是可以进去的只是进去后会受到惩罚（扣分 -1），因为我们只能可以处理更多的区域，而不是不让其进去，更有一般性，和更多的复杂性

两种情况

  • 禁止进去
  • 不禁止进去，只是进去会受到惩罚

数学表达State transition（条件概率）

  • 解释： s1 执行了a2操作，到达s2的概率是1
  • s1 执行 a2操作，到达非s2的概率是0

Policy

我们agent 在一个state执行什么action。这里也就是这个位置我们要执行那个移动操作

Policy的数学表达（条件概率）

deterministic policy（确定性策略）

这里给出的是s1此处的policy，其中的π（在强化学习中指的就是策略），也就是也给条件概率：制定了任何一个状态（state）下的去执行任意一个行为（action）的概率 。而且针对一个状态的所有action的概率之后应该是1。 （这里是我们指定了一个策略，这个策略就是让s1百分百的去执行a1行为（往右走））->这里是一个确定性的policy（deterministic policy）

我们s1...s9都有对应的策略

stochastic policies（随机策略）

这里对应s1是一个不确定策略，而s5则是一个确定性策略了

如何实现这个随机策略： 也就是取0到1之间的随机数，然后小于0.5则执行a1，大于0.5则执行a3

强化学习机器人模拟器——GridWorld：一个用于强化学习的 Python 环境
u012133341的博客
05-04 359
可以为特定单元格分配奖励，适用于复杂场景。该环境支持动态编辑、预设布局和随机生成，适合简单和复杂的强化学习实验。环境通过 GridWorld 类实现，包含初始化、状态管理、动作执行和环境修改的方法。接下来，我们将深入探讨其核心功能和特性。
RLAI-第三章-gridWorld实践
cuixuange的博客
09-04 2337
第三讲 方格世界 DP 初始情况 1.只有移动到指定位置,Reward=1.否则Reward=-1 2.States-space(4*4 终止的方格+非终止) 3.Action-space(n,e,s,w) 4.转移概率(1/4 感觉这就是相当于指定Action的策略) 5. 折扣因子γ=1 目的 给定某一策略(比如转移概率)，计算每一个方格最终的状态价值 公式 ...
强化学习（一）基础概念入门
Linshaodan520的博客
04-12 1456
介绍了强化学习的基本概念，以及常见算法的分类
Reinforce Learning 基础组件概念
weixin_42326517的博客
12-02 830
强化学习基础
reinforce learning、强化学习、增强学习、RL
记录老板的每次pua，分享领导每天的毒鸡汤...
09-09 2149
目录关键词例子理论 关键词 马尔科夫决策过程MDP（markov decision process） 状态 s 状态空间 S 动作 a 动作空间 A 咋黄台转移函数 P 奖赏 R 状态-动作值函数（state-action value function） Q(s,a) 累积奖赏 V(x) 策略 π 有模型学习（model based learning） 免模型学习 蒙特卡洛强化学习 例子 1.种西瓜 2.K-摇臂赌博机 理论 ...
深度强化学习 (Deep Reinforcement Learning)
AI天才研究院
06-13 1819
深度强化学习 (Deep Reinforcement Learning) 1.背景介绍 深度强化学习（Deep Reinforcement Learning, DRL）是人工智能领域的一个重要分支，它结合了深度学习和强化学习的优势，能够在复杂环境中实现智能
深度学习(十四)Reinforce Learning概述
AliForever2020的博客
12-19 1139
本文是强化学习的概述，是强化学习入门的一个文章，介绍了一些基本的强化学习概念以及框架，帮助在其他方面使用强化学习时的理解
（1-1）强化学习基础与核心概念：
码农三叔
06-12 74
强化学习是一种基于智能体与环境交互的机器学习方法，其核心是通过最大化累积奖励来学习最优决策策略。文章介绍了强化学习的基础知识，包括其诞生背景、核心思想与要素（智能体、环境、状态、动作和奖励），以及与其他机器学习方法的区别。同时探讨了强化学习面临的三大挑战：探索与利用的权衡、延迟奖励和维度灾难。最后概述了强化学习在机器人控制、游戏智能、金融决策、自动驾驶和自然语言处理等领域的广泛应用，展现了其在复杂决策问题中的强大潜力。
强化学习之Q-learning
qq_40265247的博客
10-09 937
本文的装载文章来源：https://medium.freecodecamp.org/diving-deeper-into-reinforcement-learning-with-q-learning-c18d0db58efe 本文将带你学习经典强化学习算法 Q-learning 的相关知识。在这篇文章中，你将学到：（1）Q-learning 的概念解释和算法详解；（2）通过 Numpy 实现 Q-...
安全强化学习（Safe Reinforcement Learning）算法详解与Python实现
qq_42568323的博客
01-02 1793
安全强化学习是一种在强化学习框架中引入安全性约束的方法，旨在确保智能体在学习过程中始终满足安全性要求。安全性约束可以是硬约束（必须满足）或软约束（尽可能满足）。本文详细介绍了安全强化学习的核心概念，并使用Python实现了该算法。我们通过三个实际案例展示了其应用，并为每个案例选择了最适合的设计模式。安全强化学习在处理需要确保安全性的任务时具有显著优势，能够通过引入安全性约束来确保智能体在学习过程中始终满足安全性要求。
逆强化学习 (Inverse Reinforcement Learning) 原理与代码实例讲解
AI天才研究院
05-31 3577
逆强化学习（Inverse Reinforcement Learning，简称IRL）是机器学习和人工智能领域中一个重要的研究方向。它的出现源于这样一个问题：在许多实际应用场景中，我们往往能够观察到专家或人类的行为，但却难以直接定义或量化这些行为背后的奖励函数。传统的强化学习假设奖励函数是已知的，而逆强化学习则试图从观察到的行为中推断出潜在的奖励函数。逆强化学习的概念最早由Stuart Russell在1998年提出，但直到2000年代中期才开始受到广泛关注。
多智能体强化学习 (MultiAgent Reinforcement Learning)
AI天才研究院
10-02 2046
多智能体强化学习 (Multi-Agent Reinforcement Learning) 作者：禅与计算机程序设计艺术 / Zen and the Art of Computer Programming 关键词： 多智能体强
Python机器学习实战：强化学习(Reinforcement Learning)基础介绍
AI架构师小马
09-20 1069
Python机器学习实战：强化学习(Reinforcement Learning)基础介绍 关键词：强化学习，机器学习，Q-learning，SARSA，深度强化学习，深度Q网络(DQN)，策略梯度，环境交互
5G毫米波射频前端设计：从GaN功放到混合信号集成方案
ytttr873的博客
07-31 414
同时，GaN功放还具备较高的功率附加效率（PAE），相比传统的半导体材料功放，能够在提供相同功率输出的情况下消耗更少的电能，这对于降低设备的能耗和散热需求具有重要意义。随着5G通信技术的飞速发展，毫米波频段凭借其丰富的频谱资源，成为满足5G高速率、大容量数据传输需求的关键频段。然而，毫米波信号的高频特性带来了诸多设计挑战，射频前端作为无线通信系统中负责信号发射与接收的核心部分，其设计至关重要。GaN功放通过优化电路设计和工艺，能够在高功率输出的情况下保持良好的线性度，确保信号在传输过程中的准确性和可靠性。
译|Netflix 数据平台运营中基于机器学习自动修复系统
素质云笔记
08-02 760
译|Netflix 数据平台运营中基于机器学习自动修复系统
python学智能算法（二十九）|SVM-拉格朗日函数求解中-KKT条件理解
专注python+工程实践的热心婶子
07-31 653
本文介绍了KKT条件在带约束优化问题中的应用原理。通过"力的平衡"类比，阐释了KKT五大规则：目标函数梯度与约束梯度加权和平衡（拉格朗日乘子权重）；不等式约束条件的边界限制；拉格朗日乘子非负性保证方向正确；互补松弛性确保未激活约束不影响；等式约束严格成立。这些条件共同判断优化问题中既满足约束又无法改进的局部最优解。文章以直观的物理类比帮助理解数学优化条件，为后续应用奠定理论基础。
机器学习（8）：线性回归
最新发布
2401_83189603的博客
08-04 625
本文介绍了线性回归的基本概念及应用。主要内容包括：1）回归分析的定义，区分标称型和连续性数据；2）线性回归原理及示例说明，通过拟合直线描述变量间关系；3）损失函数和均方差的概念；4）多参数回归中权重计算的方法；5）最小二乘法的应用；6）Python中sklearn库的LinearRegression API使用示例，包括参数设置、模型训练和预测实现。文章通过植物生长高度预测的实例，展示了如何利用线性回归建立数学模型解决实际问题。
机器学习03——数据与算法初步2
qq_73960031的博客
07-31 982
本文介绍了决策树的基本概念及其在机器学习中的应用。决策树通过树状结构进行决策，具有可视化、易解释等优点，但也存在过拟合风险。重点讲解了两种决策树构建方法：信息增益和基尼指数。信息增益通过计算信息熵变化选择最优划分属性，而基尼指数则通过测量数据集不纯度进行划分。文中通过贷款预测和工资分类案例详细演示了这两种方法的具体计算过程。最后提供了Python代码示例，展示如何使用sklearn库实现决策树分类，包括数据加载、模型训练、评估和可视化。决策树作为一种基础算法，在分类问题中具有重要应用价值。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值