【课程笔记】华为 HCIA-AI 人工智能50：强化学习
不直接解最优策略函数，而是通过间接求取其他指标(价值函数)，根据这些指标的结果来推导最优策略。：在与环境的交互过程中，直接优化最优策略函数(Policy，比较困难)Policy，根据状态做出决策，控制Agent做动作(概率密度函数)中的一个领域，强调如何基于环境而行动，以取得最大化的预期利益(Reward，环境基于当前动作给出的奖励(正向或负向)Action，智能体根据状态做当前时刻的动作。Ret
·
强化学习
目录
学习目标：
①强化学习
②强化学习中的基础概念
③强化学习算法分类
1. 强化学习
强化学习RL是机器学习中的一个领域，强调如何基于环境而行动，以取得最大化的预期利益(对正确的学习进行奖惩)
2. 强化学习中的基础概念
（1）两个对象：智能体；环境
（2）主要元素：
Action，智能体根据状态做当前时刻的动作
Policy，根据状态做出决策，控制Agent做动作(概率密度函数)
Reward，环境基于当前动作给出的奖励(正向或负向)
Return，回报(所有时刻的奖励和)
3. 强化学习算法分类
强化学习算法根据寻找最优策略的过程可以分为两类：
（1）直接求解最优策略：在与环境的交互过程中，直接优化最优策略函数(Policy，比较困难)
基于策略求解
（2）间接求解最优策略：不直接解最优策略函数，而是通过间接求取其他指标(价值函数)，根据这些指标的结果来推导最优策略
基于价值求解
现在用的比较广的是两者进行综合使用
火山引擎开发者社区是火山引擎打造的AI技术生态平台，聚焦Agent与大模型开发，提供豆包系列模型（图像/视频/视觉）、智能分析与会话工具，并配套评测集、动手实验室及行业案例库。社区通过技术沙龙、挑战赛等活动促进开发者成长，新用户可领50万Tokens权益，助力构建智能应用。
更多推荐
3
0- 0
已为社区贡献29条内容
所有评论(0)