[游戏开发] Reinforcement Learning 强化学习/增强学习

开发: C++知识库 Java知识库 JavaScript Python PHP知识库人工智能区块链大数据移动开发嵌入式开发工具数据结构与算法开发测试游戏开发网络协议系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程
数码: 电脑笔记本显卡显示器固态硬盘硬盘耳机手机 iphone vivo oppo 小米华为单反装机图拉丁

-> 游戏开发 -> Reinforcement Learning 强化学习/增强学习 -> 正文阅读

[游戏开发]Reinforcement Learning 强化学习/增强学习

初步介绍基本概念

环境state、动作action、智能体agent、策略函数policy、奖励reward。

例如“超级马里奥”的游戏中，state是当前所处环境的状态；智能体agent是马里奥；动作action有[向左、向上、向右]三种；策略函数如下，就是在当前环境下马里奥做出各个动作的概率。

policy函数是强化学习的学习内容

举个例子，如果想利用强化学习使机器自主操纵马里奥，当输入这张图片到policy函数π，agent(马里奥)会做出三种动作中的一种，例如policy函数算出“向左概率0.2，向右概率0.1，向上跳概率为0.7”，policy函数自动操作它做一个随机抽样，以0.2的概率向左走，0.1的概率向右走，0.2的概率向上跳，强化学习就是学这个policy函数。只要有了这个policy函数，就可以让它自动操作马里奥打游戏了。