词汇表

这是一个由社区创建的词汇表。欢迎贡献！

智能体（Agent）

智能体通过与环境的**试错学习，并从环境中获得奖励和惩罚**来做出决策。

环境

环境是一个模拟世界，**智能体可以通过与它互动来学习**。

马尔可夫性质

它意味着我们智能体采取的行动**仅取决于当前状态，而与过去的状态和行动无关**。

观察/状态

• 状态：对世界状态的完整描述。
• 观察：对环境/世界状态的部分描述。

行动

• 离散行动：有限数量的行动，例如左、右、上、下。
• 连续行动：无限可能的行动；例如，在自动驾驶汽车的情况下，驾驶场景有无限可能的行动发生。

奖励和折扣

• 奖励：强化学习中的基本因素。告诉智能体所采取的行动是好还是坏。
• 强化学习算法侧重于最大化**累积奖励**。
• 奖励假设：强化学习问题可以表述为（累积）回报的最大化。
• 折扣：之所以进行折扣，是因为在开始时获得的奖励更有可能发生，因为它们比长期奖励更可预测。

任务

• 回合制：有起始点和结束点。
• 连续：有起始点但没有结束点。

探索与利用权衡

• 探索：通过尝试随机行动并从环境中接收反馈/回报/奖励来探索环境。
• 利用：利用我们对环境的了解以获得最大奖励。
• 探索与利用权衡：它平衡了我们想要**探索**环境的程度以及想要**利用**我们对环境了解的程度。

策略（Policy）

• 策略：被称为智能体的大脑。它告诉我们给定状态下应该采取什么行动。
• 最优策略：当智能体根据它行动时，**最大化预期回报**的策略。它通过训练学习得到。

基于策略的方法：

• 解决强化学习问题的一种方法。
• 在这种方法中，策略直接被学习。
• 它将每个状态映射到该状态下最佳的相应行动。或者映射到该状态下可能行动的概率分布。

基于价值的方法：

• 解决强化学习问题的另一种方法。
• 这里，我们不训练策略，而是训练一个**价值函数**，它将每个状态映射到在该状态下的预期价值。

欢迎贡献 🤗

如果您想改进本课程，可以提交拉取请求。

本词汇表的制作得益于

• @lucifermorningstar1305
• @daspartho
• @misza222

< > 在 GitHub 上更新