第2章 相關(guān)研究及背景知識(shí)

本章將介紹強(qiáng)化學(xué)習(xí)相關(guān)理論背景知識(shí)和經(jīng)典算法。首先介紹馬爾可夫決策過(guò)程的基本構(gòu)成及其動(dòng)態(tài)過(guò)程；然后闡述現(xiàn)階段強(qiáng)化學(xué)習(xí)的經(jīng)典算法，包括基于值函數(shù)的策略學(xué)習(xí)算法和策略搜索算法，并對(duì)強(qiáng)化學(xué)習(xí)與其他深度學(xué)習(xí)方法結(jié)合取得的成果進(jìn)行介紹；最后，對(duì)策略搜索方法及基于值函數(shù)的策略學(xué)習(xí)算法的優(yōu)缺點(diǎn)進(jìn)行分析總結(jié)。