超级会员免费看
文章摘要
本文用迷宫游戏类比强化学习的核心概念：状态代表当前位置，动作是移动选择，奖励为环境反馈（如终点+1分），策略是移动规则，价值函数评估位置优劣。智能体通过反复尝试：观察状态→选择动作→获取奖励→更新价值→优化策略，最终学会最快到达终点的最优路径。总结为：状态定位置，动作做选择，奖励获反馈，策略定规则，价值评优劣，通过交互学习逐步优化。
1. 状态（State）
形象理解：
状态就像你在迷宫里的“当前位置”。
比如你现在站在迷宫的第5格，这就是你的当前状态。
例子：
- 你在迷宫的起点（状态0）。
- 你在迷宫的中间（状态5）。
- 你在迷宫的终点（状态15）。
2. 动作（Action）
形象理解：
动作就是你在当前位置能做的选择，比如“往上走”、“往下走”、“往左走”、“往右走”。
例子：
- 你在状态5，可以选择向上、下、左、右走。
- 你在状态0（左上角），只能向下或向右走。
3. 奖励（Reward）
形象理解：
奖励就像你每走一步后，环境给你的“反馈分数
订阅专栏 解锁全文
扫一扫
3939
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
