第11章　强化学习
　　受行为心理学启发而来的一个机器学习领域，它关注身处某个环境中的决策器通过采取行动获得最大化的累积收益。
　　和传统的监督学习不同，在强化学习中，并不直接给决策器的输出打分。相反，决策器只能得到一个间接的反馈，而无法获得一个正确的输入/输出对，因此需要在不断的尝试中优化自己的策略以获得更高的收益。
　　从广义上说，大部分涉及动态系统的决策学习过程都可以看成是一种强化学习。强化学习的应用非常广泛，包括博弈论、控制论、优化等多个不同领域。这两年，AlphaGo及其升级版横空出世，彻底改变了围棋这一古老的竞技领域，在业界引起很大震惊，其核心技术就是强化学习。与未来科技发展密切相关的机器人领域，从机器人行走、运动控制，到自动驾驶，都是强化学习的用武之地。
　　11.1 强化学习中有哪些基本概念？在马里奥找宝藏问题中如何定义这些概念？
　　强化学习的基本场景可以用图11.2来描述，主要由环境（Environment）、机器人（Agent）、状态（State）、动作（Action）、奖励（Reward）等基本概念构成。一个机器人在环境中会做各种动作，环境会接收动作，并引起自身状态的变迁，同时给机器人以奖励。机器人的目标就是使用一些策略，做合适的动作，最大化自身的收益。
　　11.2 根据下图给定的马里奥的位置以及宝藏的位置，从价值迭代来考虑，如何找到一条最优路线？
　　11.3 根据给定的马里奥的位置以及宝藏的位置，从策略迭代来考虑，如何找到一条最优路线？
　　11.4 什么是深度强化学习，它和传统的强化学习有什么不同？
　　11.5 什么是策略梯度，它和传统Q-learning有什么不同，相对于Q-learning来说有什么优势?
　　11.6 在智能体与环境的交互中，什么是探索和利用？如何平衡探索与利用？

很酷很洒脱的个性文案欢迎搜索公众号文学粉，第一时间获取更多优美的句子。1有些事不是努力就可以改变的，五十元的人民币设计得再好看，也没有一百元的招人喜欢。2我们之所以迷茫是因为明知是脑子饿极了，却只会拼有些话只想说给你听欢迎搜索公众号文学粉，第一时间获取更多优美的句子。1所有人都在催你长大，我只愿你活在当下，不受人间疾苦。2在放弃你这件事上，我永远都在出尔反尔，别怪我，我也很烦。3把闲言碎语留给市朋友圈里的佛系文案欢迎搜索公众号文学粉，第一时间获取更多优美的句子。1如果有一天，你在街上碰到了你的前任与新欢在一起，请不要心酸！因为自小我们的妈妈就教我们，要把旧玩具送给比自己更不幸的人。2没事听简短的一句话，适合发个朋友圈欢迎搜索公众号文学粉，第一时间获取更多优美的句子。1要做一个识趣的人，不为难别人，也不让自己难堪。2保护自己最佳的方式，就是从不高估自己在别人心中的分量。3越长大就越明白，爱而不得很潮的晚安语录，简洁明了欢迎搜索公众号文学粉，第一时间获取更多优美的句子。1没必要刻意遇见谁，也不急于拥有谁，更不勉强留住谁。一切顺其自然，最好的自己留给最后的人。2希望你一如既往的坚强勇敢，站在迎着光的如果有一天（现代诗）如果有一天我变成一只小白鸽我会不远万里衔来橄榄枝让世界不再硝烟弥漫如果有一天我变成一株仙人掌我会迎风逆雪盛开出花朵让整个沙漠都傲骄我的美艳如果有一天我不再回应你轻声地问候不是已将你嫁错人多可怕决定离婚后，她和5个孩子深夜遭丈夫刺杀并被火烧杀掉全家的他，真是因为爱吗？本文约6100字，阅读时间约8分钟不过10月初，清晨5点的天气有了些许凉意。日本茨城县日立市，原本安静的街道已经有零星的居民开始出没了。一些早起的人，透果味微醺12首简短的小禅诗禅中诗意浓，诗中智慧多01hr菩提本无树，明镜亦非台，本来无一物，何处惹尘埃。一一一六祖示法菩提并不是树，是指人脑聪慧，明镜也不是台，而是指人心清静，本来就聪慧清静的人，怎会惹上尘埃呢？02hr他人骑大铜钱为什么中间有方孔各个朝代的铜钱，无论大小，中间都有一个方形的孔，因此钱就有了孔方兄的雅号。这个方孔并不是为了美观而进行的设计，而是为了适应铜钱的制作方法。铜钱是采用熔化金属，然后在模子里铸成的。这鲁迅与丰子恺轶事苦闷的象征是日本学者厨川白村的文艺理论名著。其宣扬的主要观点，恰恰就是当时中国知识分子心灵郁闷的写照。所以，鲁迅和丰子恺不约而同地翻译了这部名著。丰子恺在翻译苦闷的象征时，还是文坛北洋水师轶事1894年9月12日，距离著名的黄海大海战只有五天时间，厉兵秣马的丁汝昌，却是急得上火。北洋水师日常所用的燃煤，竟都是些劣质货，甚至煤仍多散碎。蒸汽机铁甲舰时代，燃煤就是舰队的粮食