文档摘要

4.3 强化学习：在试错中学会决策 本节摘要：强化学习（RL）研究智能体如何靠与环境交互、凭奖励反馈学出最优策略，核心要素是状态、动作、奖励、策略与价值函数。它与监督学习、无监督学习并列第三种范式：没有标注好的标准答案，只有延迟到来的回报。技术主线从需要完整环境模型的动态规划，走到无需模型的蒙特卡洛与时序差分（Q 学习、SARSA），再由深度强化学习（DQN、PPO 等）推到大状态空间。 会员。《4.3 强化学习：在试错中学会决策》收录于灏天文库文集《零基础入门人工智能：概念、方向与应用全解析》，原作者/来源：灏天文库，整理自「灏天文库」，提供技术教程、实践指南与问题解决方案，支持在线阅读、全文检索与知识沉淀，助力开发者系统化学习。本站整理收录，版权归原作者/开源协议所有。

该文档为会员专享，请先登录或注册后再查看

登录 注册

---

作者与出处

原作者： 灏天文库

来源：灏天文库

原文： https://aiknowledge.cn/collection/510-%E9%9B%B6%E5%9F%BA%E7%A1%80%E5%85%A5%E9%97%A8%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD%E6%A6%82%E5%BF%B5%E6%96%B9%E5%90%91%E4%B8%8E%E5%BA%94%E7%94%A8%E5%85%A8%E8%A7%A3%E6%9E%90

整理： 灏天文库整理

由灏天文库平台收录，内容或由平台用户上传，仅供学习交流