總結

內容很多！我們來總結一下

• 強化學習是一種從行動中學習的計算方法。我們構建一個智慧體，它**透過試錯與環境互動**並接收獎勵（負向或正向）作為反饋來學習。

• 任何強化學習智慧體的目標都是最大化其期望累積獎勵（也稱為期望回報），因為強化學習基於**獎勵假設**，即**所有目標都可以描述為期望累積獎勵的最大化。**

• 強化學習過程是一個迴圈，它輸出**狀態、行動、獎勵和下一個狀態**的序列。

• 為了計算期望累積獎勵（期望回報），我們對獎勵進行折扣：較早（在遊戲開始時）獲得的獎勵**更有可能發生，因為它們比長期未來的獎勵更可預測。**

• 要解決強化學習問題，您需要**找到一個最優策略**。策略是智慧體的“大腦”，它會告訴我們**在給定狀態下應該採取什麼行動。**最優策略是**能夠使期望回報最大化的行動策略。**

• 有兩種方法可以找到最優策略

  1. 透過直接訓練策略：**基於策略的方法。**
  2. 透過訓練一個價值函式，該函式告訴我們智慧體在每個狀態下將獲得的期望回報，並使用該函式來定義我們的策略：**基於價值的方法。**

• 最後，我們談到深度強化學習，因為我們引入了**深度神經網路來估計要採取的行動（基於策略的方法）或估計狀態的價值（基於價值的方法）**，因此得名“深度”。

< > 在 GitHub 上更新