如何应用强化学习？

Question

我从概念上理解它。你有一个代理和一个环境。然后你有一组状态，每个状态都有一个值。然后，智能体要么选择“探索”，要么选择“利用”，并根据发生的事情修改其知识。

我的问题是，我似乎不知道如何将它实际应用于代码或任何实际问题。每次我查一查，我只得到同样的几个方程式，没有解释如何使用它们。

我正在试着为俄罗斯方块写一个RL代理，但我似乎找不到答案。如果有人能用ELI5就好了。

我怎么知道把什么作为状态呢？那么动作呢？调整值所涉及的实际数学运算是什么？这一切都太让人困惑了。

如果有人能帮我，我会很感激的。谢谢:)

Answer 1

强化学习是在你不知道正确答案的情况下使用的，但给出一个答案很容易判断它是正确的还是错误的。

在有限或平滑的连续状态空间中查找问题，如直升机控制。在这个特定的示例中，您可以使用简化的物理模拟来教智能体如何执行任务，而不需要向其灌输明确的规则。

如果你在谷歌上搜索俄罗斯方块强化学习的应用，你会发现很多关于这个主题的文章。

要理解状态、动作等是由什么构成的，请阅读Sutton和Barton的“强化学习”。你可以在网上免费找到它。