百科知识网:百科常识、生活常识、安全知识、自然科学知识、百科问答等中文百科知识大全!
资讯 百科
首页 > 百科 > 信息科学

强化学习

发布时间:2021-11-04 阅读:

什么是强化学习

强化学习是人工智能中策略学习的一种,是一种重要的机器学习方法,又称再励学习、评价学习,是从动物学习、参数扰动自适应控制等理论发展而来.所谓强化学习是指从环境状态到动作映射的学习,以使动作从环境中获得的累积奖赏值最大。该方法不同于监督学习技术那样通过正例、反例来告知采取何种行为,而是通过试错(trial and error)来发现最优行为策略。常用的强化学习算法包括TD(Temporal Difference)算法、Q学习算法、Sarsa算法等。

强化学习的基本原理

强化学习是从动物学习、参数扰动自适应控制等理论发展而来,其基本原理是:

如果Agent的某个行为策略导致环境正的奖赏(强化信号),那么Agent以后产生这个行为策略的趋势便会加强。Agent的目标是在每个离散状态发现最优策略以使期望的折扣奖赏和最大。

强化学习把学习看作试探评价过程,Agent选择一个动作用于环境,环境接受该动作后状态发生变化,同时产生一个强化信号(奖或惩)反馈给Agent,Agent根据强化信号和环境当前状态再选择下一个动作,选择的原则是使受到正强化(奖)的概率增大。选择的动作不仅影响立即强化值,而且影响环境下一时刻的状态及最终的强化值。

强化学习不同于连接主义学习中的监督学习,主要表现在教师信号上,强化学习中由环境提供的强化信号是Agent对所产生动作的好坏作一种评价(通常为标量信号),而不是告诉Agent如何去产生正确的动作。由于外部环境提供了很少的信息,Agent必须靠自身的经历进行学习。通过这种方式,Agent在行动一一评价的环境中获得知识,改进行动方案以适应环境。

强化学习系统学习的目标是动态地调整参数,以达到强化信号最大。若已知r/A梯度信息,则可直接可以使用监督学习算法。因为强化信号r与Agent产生的动作A没有明确的函数形式描述,所以梯度信息r/A无法得到。因此,在强化学习系统中,需要某种随机单元,使用这种随机单元,Agent在可能动作空间中进行搜索并发现正确的动作。

强化学习的应用

强化学习主要应用在过程控制、调度管理、机器人控制、游戏比赛和信息检索等方面,其中最为广泛的莫过于智能控制及智能机器人领域。在过程控制领域中,典型的应用实例是倒摆控制系统和Archon系统;在调度管理中最成功的应用是Crites和Barto的电梯调度问题,它们将单步强化学习算法应用到一个4部电梯、10层楼的运行调度中;在游戏比赛中,最成功的应用是由Gerry Tesauro运用瞬时差分算法发明的Backgammon下棋游戏,它采用TD的误差来训练3层BP神经网络,达到了很高的水平;在机器人领域,HeePakBeen利用模糊逻辑和强化学习实现陆上移动机器人导航系统,Wilfriedllg利用强化学习使6足昆虫机器人学会6条腿协调动作,Christopher利用强化学习控制机器人手臂运动,Mataria采用改进的Q—Learning算法实现了4个机器人执行Foraging任务,张汝波等利用强化学习实现了智能机器人的避障行为学习;信息检索主要用于与Intemet有关的信息采集和信息过滤,即从海量的Web信息中查询出用户最为关心的信息。

上一篇:数字化转型

下一篇:数字高程模型

热门推荐
  • 你相信互联网的一切都是免费的么? 你相信互联网的...

    马佳佳曾经在万科的一次内部分享会上,用“90后不买房”的观点吓坏了一帮房地...

  • 无缩略图 巧妹绣龙

    从前,东海渔岛上有个姑娘名叫巧妹。她从小爱绣花,天天绣,年年绣,越绣越爱绣,见啥...

  • 无缩略图 修身拒色 志道方...

    人生就是一个修行的过程,人生的修行,贵在修心。 世间有志能成者,多为重德行善...

  • 无缩略图 从坐姿看出你性...

    人的一举一动都可以体现一个人的性格和心理状态,那么如何判断这个行为代表着...

  • 无缩略图 秦始皇坐拥三千...

    秦始皇当年统一六国的事迹一直被流传至今,但令人们感到的不解的是,秦始皇为何...

  • 藏传佛教 藏传佛教

    大昭寺 布达拉宫 藏传佛教 ( 汉语拼音 :Zangchuan Fujiao; 英语 :Tibetan Buddh...

  • 眼睛是心灵的窗户,养肝明目吃什么食物好? 眼睛是心灵的窗...

    俗话说,眼睛是心灵的窗户,一个人的眼睛能够反映一个人的精神面貌,但是调查显示...

  • 无缩略图 这动作太用力竟...

    健身运动是现在人们常做的一种运动,有利于身体健康,平板支撑是其中比较有代表...

  • 无缩略图 董鄂妃去世之后,...

    说起清朝的顺治皇帝,想必不少人都有所了解,因为他也算是清朝比较知名的皇帝,他...

  • 无缩略图 早上一杯凉水和...

    水,是生命之源,它的存在是生命的必要条件。水对我们的日常生活都产生了极其重...

相关文章
  • 无缩略图 手机二维码

    以二维码技术为核心、手机为载体而展开的码制编码、译码、识别、被识别相结...

  • 无缩略图 复制磁盘

    复制磁盘是指将一张磁盘中的内容复制到另外一张磁盘,并且使得这两张磁盘内容...

  • 无缩略图 移动应用管理...

    移动应用管理是指通过云端对移动设备的各种应用属性进行自主管控。...

  • 无缩略图 语音识别

    语言识别是指计算机用有限的特征或规则对我们日常生活中使用的语言符号进行...

  • 无缩略图 信息保密技术...

    是利用数学或物理手段,对电子信息在传输过程中和存储体内进行保护以防止泄漏...

  • 无缩略图 独立游戏

    独立游戏是指开发者没有游戏公司或游戏发行商提供的薪资,必须独力负担开发过...

  • 无缩略图 应用控制

    是针对具体的计算机化程序,例如薪资、应收账款和订单系统的特别使用的控制。...

  • 无缩略图 联机检索

    联机检索是指联机检索者(最终用户或提供代检服务的联机检索中间人)利用终端...

  • 无缩略图 AlphaGo

    是一款围棋人工智能程序,由位于英国伦敦的谷歌(Google)旗下DeepMind公司的戴维...

  • 无缩略图 CTI

    CTI是英文“Computer Telecommunication Integration”的简写形式,翻译为“...

 

 

箭头

Copyright © 2019 - 2021 百科知识网 All Rights Reserved.