1.強化學習的基本結構是什麼？
本質上是強化學習agent和environment間的互動。agent從environment中獲取狀態（state），然後輸出乙個action，這個action會加入到environment中，並使得environment輸出乙個新的state和action得到的reward。agent在environment中存在的目的 就是為了使得積累的reward極大化。
2.強化學習相對於監督學習為什麼訓練會更加困難？（強化學習的特徵）
延遲獎勵：監督學習agent在做出每乙個action後，都能立即得到乙個反饋，如果採取的行為是錯誤的話，還會給出正確的決定；而強化學習卻不能，如果它的agent做出了乙個錯誤的action，有時候可以立即得到指引，說它這個action是錯誤的，但不能得到正確的action，更難的是，做出的action要等到一段時間後才能知道這個行為行不行。
3.強化學習的基本特徵有哪些？
4.近幾年強化學習發展迅速的原因？
有了更多的計算能力，更多的gpu，可以更快的做更多的試錯（trail-and-error）的嘗試
通過這種不同嘗試使得agent在這個環境裡獲得更多的資訊，得到更多的reward
我們有了這個端到端的乙個訓練，可以把特徵提取和價值估計或者決策一塊來優化，這樣就可以得到乙個更強的決策網路
5.觀測和狀態有什麼關係？
6.對於乙個強化學習agent，它由什麼組成？
7.根據強化學習agent的不同，我們可以將其分為幾類？
8.基於策略迭代和基於價值迭代的強化學習方法有什麼區別？
9.有模型（model-based）和免模型（model-free）有什麼區別？
10.強化學習的通俗理解
強化學習 強化學習基礎
為了應對車載網路中通訊環境快速變化的難題，可以使用強化學習進行解決，這裡對強化學習的基礎進行整理。主要的應用場景為車載網路中資源分配問題。本文源自莫煩python 強化學習章節，有需要請查閱原文 20200413補充了一些內容，來自這篇部落格，是李巨集毅的深度強化學習的筆記。強化學習的主要構成有 a...
強化學習基礎
mdps簡單來說就是乙個智慧型體 agent 採取行動 action 從而改變自己的狀態 state 來獲取獎勵 reward 與環境 environment 互動的過程。mdps的策略完全取決於當前狀態，這也是馬爾科夫性質的體現。可以簡單的表示為 m a,ps a,r 回報 return u s0...
強化學習 學習筆記
強化學習任務通常用馬爾可夫決策過程來描述 強化學習任務對應了四元組 強化學習的目標是在環境中不斷地嘗試而學得乙個 策略 policy 策略有兩種表示方法 確定性策略 表示為函式 隨機性策略 表示為概率 策略的優劣在於長期執行這一策略後得到的累積獎賞。強化學習任務中，學習的目的就是要找到能使長期累積獎...