強化學(xué)習(xí)是機器學(xué)習(xí)中的一個領(lǐng)域，強調(diào)如何基于環(huán)境而行動，以取得最大化的預(yù)期利益。其靈感來源于心理學(xué)中的行為主義理論，即有機體如何在環(huán)境給予的獎勵或懲罰的刺激下，逐步形成對刺激的預(yù)期，產(chǎn)生能獲得最大利益的習(xí)慣性行為。這個方法具有普適性，因此在其他許多領(lǐng)域都有研究，例如博弈論、控制論、運籌學(xué)、信息論、仿真優(yōu)化、多主體系統(tǒng)學(xué)習(xí)、群體智能、統(tǒng)計學(xué)以及遺傳算法。在運籌學(xué)和控制理論研究的語境下，強化學(xué)習(xí)被稱作“近似動態(tài)規(guī)劃”（approximate dynamic programming，ADP）。在最優(yōu)控制理論中也有研究這個問題，雖然大部分的研究是關(guān)于最優(yōu)解的存在和特性，并非是學(xué)習(xí)或者近似方面。在經(jīng)濟學(xué)和博弈論中，強化學(xué)習(xí)被用來解釋在有限理性的條件下如何出現(xiàn)平衡。
北京第二十六維信息技術(shù)有限公司（至頂網(wǎng)）版權(quán)所有. 京ICP備15039648號-7
京ICP證161336號
京公網(wǎng)安備 11010802021500號
舉報電話：010-62641205-5060 涉未成年人舉報專線：010-62641208 舉報郵箱：jubao@zhiding.cn
網(wǎng)上有害信息舉報專區(qū)：https://www.12377.cn
