第三章：强化学习的核心问题：预测与控制

文档摘要

第三章：强化学习的核心问题：预测与控制第三章：强化学习的核心问题：预测与控制强化学习的核心目标是找到一个最优策略，使得智能体在与环境交互的过程中能够获得最大的累积奖励。为了实现这一目标，强化学习需要解决两个核心问题：预测（Prediction）和控制（Control）。预测关注的是评估给定策略的好坏，而控制关注的是寻找最优策略。此外，在寻找最优策略的过程中，智能体还需要处理探索（Exploration）和利用（Exploitation）之间的权衡。 3.1 策略评估（Prediction）策略评估，也称为预测问题，旨在评估一个给定的策略π的好坏程度。具体来说，策略评估要计算的是在策略π下，从某个状态s开始，或者在某个状态-动作对(s, a)下，智能体能够获得的期望累积奖励。