《强化学习》简介小册，24页pdf

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。