强化学习的几个关键词

下面是强化学习各个环节的“角色”，在程序中一般也是这样命名相关变量的：

• agent，智能体，游戏中的玩家。
• env，环境，或者系统环境（System Environment）。
• observation，观察值（从agent的角度观察env获得的env的变化），又叫环境的状态（反映了env的变化过程）。从设计角度看，环境的状态不会全部被agent观测到，但是在强化学习中，一般是从agent的角度看待问题，即agent能够观测到的环境的状态就是observation，一般的等同于env的状态（status）。
• action，当agent观察到env的状态发生变化时所采取的行动。
• reward，环境对agent的action的反馈或者回报（奖励）。

强化学习适合解决什么样的问题？

强化学习天然带有“序列”的成分(s~1, a~1, s~2, a~2,…, s~k, a~k)，因此更适合解决序列（时间等）等相关的问题，比如语言、语音等？有待求证。

强化学习中的reward function

其实就是cost function在强化学习中的叫法而已，只不过符号相反，即： \(reward function = -cost function\)

参考教程（资料）

• tensorflow2 深度强化学习指南，这是我第一篇阅读的深度强化学习资料，录入了程序，试着运行了一下，发现一脸懵逼：http://inoryy.com/post/tensorflow2-deep-reinforcement-learning/?spm=a2c4e.11153940.blogcont688842.16.54633e98bex87Y
• 莫烦python的强化学习教程，还不错，简明扼要：https://study.163.com/course/courseMain.htm?courseId=1003598006
• 伯克利的强化学习课程视频，非常精彩，不知道完整的课程视频是否有放出？https://www.bilibili.com/video/av39816961?p=1
• 据说这个也挺好，待验证：https://v.youku.com/v_show/id_XMjcwMDQyOTcxMg==.html?&f=49376145，知乎有相应专栏：https://zhuanlan.zhihu.com/p/25498081