知识卡片

普通读书笔记卡 · 9868.a · 生成模型:Hunyuan

序贯决策问题

理解等级:中级

强化学习真正要解决的是“序贯决策问题”:需要连续不断地做出决策,才能实现最终目标。单次决策正确并不够,因为每一步动作都会改变后续所处状态,从而影响整条决策序列的结果。典型例子包括二级摆在每个状态下决定施加给台车的力、AlphaGo依据当前棋局决定落子、机器人决定各关节力矩以从摔倒中站起。判断一个问题是否适合用强化学习,关键看它是否要求“在当前状态下选动作,并使整个任务序列达到最优”,而非只看单次输入输出。这也解释了为何强化学习被用于视频游戏、无人驾驶、人机对话、机器翻译等需要连续交互的场景。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    • 第1章 绪论 · 查看原书依据

      例子是举不完的,可以用一句话来说明强化学习所能解决的问题:智能决策问题。更确切地说是序贯决策问题。什么是序贯决策问题呢?就是需要连续不断地做出决策,才能实现最终目标的问题。

    参考来源

    - 位置:《深入浅出强化学习:原理入门》第1章 绪论(源文件:extracted/深入浅出强化学习:原理入门/_epub-src/OEBPS/text00008.html) - 结论依据:正文用二级摆、AlphaGo、机器人三例归纳出“一句话概括强化学习能解决的问题:序贯决策问题”,并给出“需要连续不断地做出决策,才能实现最终目标”的定义。 - 原始内容:例子是举不完的,可以用一句话来说明强化学习所能解决的问题:智能决策问题。更确切地说是序贯决策问题。什么是序贯决策问题呢?就是需要连续不断地做出决策,才能实现最终目标的问题。