The emerging field of Reinforcement Learning (RL) has led to impressive results in varied domains like strategy games, robotics, etc. This handout aims to give a simple introduction to RL from control perspective and discuss three possible approaches to solve an RL problem: Policy Gradient, Policy Iteration, and Model-building. Dynamical systems might have discrete action-space like cartpole where two possible actions are +1 and -1 or continuous action space like linear Gaussian systems. Our discussion covers both cases.
翻译：新兴的强化学习领域(RL)在战略游戏、机器人等不同领域取得了令人印象深刻的成果。 这份手册旨在从控制角度简单介绍RL,并讨论解决RL问题的三种可能办法:政策梯度、政策迭代和模型建设。 动态系统可能拥有离散的行动空间,如马波拉,其中两种可能的行动是+1和-1,或连续行动空间,如线性高斯系统。 我们的讨论涵盖了两种情况。
相关内容
强化学习（RL）是机器学习的一个领域，与软件代理应如何在环境中采取行动以最大化累积奖励的概念有关。除了监督学习和非监督学习外，强化学习是三种基本的机器学习范式之一。
强化学习与监督学习的不同之处在于，不需要呈现带标签的输入/输出对，也不需要显式纠正次优动作。相反，重点是在探索（未知领域）和利用（当前知识）之间找到平衡。
该环境通常以马尔可夫决策过程（MDP）的形式陈述，因为针对这种情况的许多强化学习算法都使用动态编程技术。经典动态规划方法和强化学习算法之间的主要区别在于，后者不假设MDP的确切数学模型，并且针对无法采用精确方法的大型MDP。
Arxiv
4+阅读 · 2018年8月17日
相关主题
相关VIP内容
相关资讯
相关论文
Arxiv
4+阅读 · 2018年8月17日
微信扫码咨询专知VIP会员