简介
强化学习的两大特点：
- 试错搜索：强化学习过程中不会有label反馈给模型，而是让模型学习哪种action可以获得最大的reward。
- 延迟奖励：大部分情况下，当前的action不但会影响此刻返回的reward，还会影响接下来序列的reward.
强化学习的组成：
- 智能体（agent）：个人理解就是模型
- 状态（state）
- 奖励（reward）
- 动作（action）
- 环境（environment）
RLbook2018中，将强化学习分为以下几个要素：
- 智能体（agent）
- 环境（environment）
- 策略（policy）：就是定义了一个映射，当感知到了environment处于何种state时应该做出的action
- 奖励信号(reward signal)：每一步，environment都会返回给agent一个数值作为reward。目标就是使reward长期最大化
- 价值函数（value function）：reward是即使反馈的信号，value function用来衡量长期运行的最优值
- 模型（model）：model是用来模拟environment，推断出environment的表现
强化学习的分类：
- Model-based：基于model来解决强化学习问题。
- Model-free：不需要使用model模拟environment。一般model-free直接在真实环境中学习，所以不需要构建model
