詞彙表

這是一個由社群建立的詞彙表。歡迎貢獻！

智慧體（Agent）

智慧體透過與環境的**試錯學習，並從環境中獲得獎勵和懲罰**來做出決策。

環境

環境是一個模擬世界，**智慧體可以透過與它互動來學習**。

馬爾可夫性質

它意味著我們智慧體採取的行動**僅取決於當前狀態，而與過去的狀態和行動無關**。

觀察/狀態

• 狀態：對世界狀態的完整描述。
• 觀察：對環境/世界狀態的部分描述。

行動

• 離散行動：有限數量的行動，例如左、右、上、下。
• 連續行動：無限可能的行動；例如，在自動駕駛汽車的情況下，駕駛場景有無限可能的行動發生。

獎勵和折扣

• 獎勵：強化學習中的基本因素。告訴智慧體所採取的行動是好還是壞。
• 強化學習演算法側重於最大化**累積獎勵**。
• 獎勵假設：強化學習問題可以表述為（累積）回報的最大化。
• 折扣：之所以進行折扣，是因為在開始時獲得的獎勵更有可能發生，因為它們比長期獎勵更可預測。

任務

• 回合制：有起始點和結束點。
• 連續：有起始點但沒有結束點。

探索與利用權衡

• 探索：透過嘗試隨機行動並從環境中接收反饋/回報/獎勵來探索環境。
• 利用：利用我們對環境的瞭解以獲得最大獎勵。
• 探索與利用權衡：它平衡了我們想要**探索**環境的程度以及想要**利用**我們對環境瞭解的程度。

策略（Policy）

• 策略：被稱為智慧體的大腦。它告訴我們給定狀態下應該採取什麼行動。
• 最優策略：當智慧體根據它行動時，**最大化預期回報**的策略。它透過訓練學習得到。

基於策略的方法：

• 解決強化學習問題的一種方法。
• 在這種方法中，策略直接被學習。
• 它將每個狀態對映到該狀態下最佳的相應行動。或者對映到該狀態下可能行動的機率分佈。

基於價值的方法：

• 解決強化學習問題的另一種方法。
• 這裡，我們不訓練策略，而是訓練一個**價值函式**，它將每個狀態對映到在該狀態下的預期價值。

歡迎貢獻 🤗

如果您想改進本課程，可以提交拉取請求。

本詞彙表的製作得益於

• @lucifermorningstar1305
• @daspartho
• @misza222

< > 在 GitHub 上更新