强化一词来源于实验心理学中对动物学习的研究,它指的是某一事件的发生,与某一反应之间有恰当的关系,而这一事件往往会增加该反应在相同情况下再次发生的可能性。虽然心理学家没有使用“强化学习”这个术语,但它已经被人工智能和工程领域的理论家广泛采用,用来指代基于这一强化原理的学习任务和算法。最简单的强化学习方法使用的是一个常识,即如果一个行为之后出现了一个令人满意的状态,或者一个状态的改善,那么产生该行为的倾向就会得到加强。强化学习的概念在工程领域已经存在了几十年(如Mendel和McClaren 1970),在人工智能领域也已经存在了几十年(Minsky 1954, 1961;撒母耳1959;图灵1950)。然而,直到最近,强化学习方法的发展和应用才在这些领域占据了大量的研究人员。激发这种兴趣的是两个基本的挑战:1) 设计能够在复杂动态环境中在不确定性下运行的自主机器人代理,2) 为非常大规模的动态决策问题找到有用的近似解。

成为VIP会员查看完整内容
207
0

相关内容

【硬核书】不完全信息决策理论,467页pdf
专知会员服务
233+阅读 · 2020年6月24日
【圣经书】《强化学习导论(2nd)》电子书与代码,548页pdf
专知会员服务
147+阅读 · 2020年5月22日
最新《智能交通系统的深度强化学习》综述论文,22页pdf
强化学习和最优控制的《十个关键点》81页PPT汇总
专知会员服务
76+阅读 · 2020年3月2日
《强化学习—使用 Open AI、TensorFlow和Keras实现》174页pdf
专知会员服务
112+阅读 · 2020年3月1日
【强化学习】深度强化学习初学者指南
专知会员服务
140+阅读 · 2019年12月14日
MIT新书《强化学习与最优控制》
专知会员服务
194+阅读 · 2019年10月9日
强化学习的未来——第一部分
AI研习社
8+阅读 · 2019年1月2日
一文了解强化学习
AI100
12+阅读 · 2018年8月20日
论强化学习的根本缺陷
AI科技评论
10+阅读 · 2018年7月24日
【强化学习】强化学习/增强学习/再励学习介绍
产业智能官
9+阅读 · 2018年2月23日
关于强化学习(附代码,练习和解答)
深度学习
23+阅读 · 2018年1月30日
【强化学习】易忽略的强化学习知识之基础知识及MDP
产业智能官
16+阅读 · 2017年12月22日
【强化学习】如何开启强化学习的大门?
产业智能官
13+阅读 · 2017年9月10日
Arxiv
12+阅读 · 2019年1月26日
Risk-Aware Active Inverse Reinforcement Learning
Arxiv
5+阅读 · 2019年1月8日
Hierarchical Deep Multiagent Reinforcement Learning
Arxiv
6+阅读 · 2018年9月25日
Arxiv
11+阅读 · 2018年4月25日
Arxiv
5+阅读 · 2018年4月22日
小贴士
相关主题
相关VIP内容
【硬核书】不完全信息决策理论,467页pdf
专知会员服务
233+阅读 · 2020年6月24日
【圣经书】《强化学习导论(2nd)》电子书与代码,548页pdf
专知会员服务
147+阅读 · 2020年5月22日
最新《智能交通系统的深度强化学习》综述论文,22页pdf
强化学习和最优控制的《十个关键点》81页PPT汇总
专知会员服务
76+阅读 · 2020年3月2日
《强化学习—使用 Open AI、TensorFlow和Keras实现》174页pdf
专知会员服务
112+阅读 · 2020年3月1日
【强化学习】深度强化学习初学者指南
专知会员服务
140+阅读 · 2019年12月14日
MIT新书《强化学习与最优控制》
专知会员服务
194+阅读 · 2019年10月9日
相关资讯
强化学习的未来——第一部分
AI研习社
8+阅读 · 2019年1月2日
一文了解强化学习
AI100
12+阅读 · 2018年8月20日
论强化学习的根本缺陷
AI科技评论
10+阅读 · 2018年7月24日
【强化学习】强化学习/增强学习/再励学习介绍
产业智能官
9+阅读 · 2018年2月23日
关于强化学习(附代码,练习和解答)
深度学习
23+阅读 · 2018年1月30日
【强化学习】易忽略的强化学习知识之基础知识及MDP
产业智能官
16+阅读 · 2017年12月22日
【强化学习】如何开启强化学习的大门?
产业智能官
13+阅读 · 2017年9月10日
相关论文
Arxiv
12+阅读 · 2019年1月26日
Risk-Aware Active Inverse Reinforcement Learning
Arxiv
5+阅读 · 2019年1月8日
Hierarchical Deep Multiagent Reinforcement Learning
Arxiv
6+阅读 · 2018年9月25日
Arxiv
11+阅读 · 2018年4月25日
Arxiv
5+阅读 · 2018年4月22日
微信扫码咨询专知VIP会员