强化学习入门

Posted 2021-08-14 Jie Qiao

文章目录

• 基本概念
• state value function
• state-action value function(Q-function)
• Optimal Value Function
• 强化学习分类
• Model-based
• Model-free
• • Value-based methods -- Temporal difference (TD) & Monte-Carlo (MC)methods
  • SARSA & Q-learning
  • DQN
  • Policy-based methods
  • Actor-Critic = Value-based + Policy-based
• 参考资料

基本概念

Agent : 是程序里面的决策者，他们需要根据环境交互来做出决策.
Environment :agent会在里面交互.
State : 环境中的状态，比如agent的位置，时间等等。不同的action会有不同的reward.

环境有些是可观测的（比如reward），有些是不可观测的。强化学习的任务就是优化累计reward。

state value function

强化学习最重要的就是计算累计的reward，我们希望能够找到一个平均累计reward最优的policy，而Value Function正是一种用于计算期望累计reward的函数。而state value function刻画了，在给定某个policy下，如果当前状态为s，那么一直到最后结束的期望累计reward是多少:

$$V^{\pi }(s)\doteq E_{\pi }[G_t|S_t=s]=E_{\pi }[\sum _{k=0}^{\infty }{\gamma }^k{R}_{t+k+1}|S_t=s],\text{ for all }s\in S$$

在这里$\gamma$是折扣系数，这是考虑了未来的时间其reward可能没有当前的重要，并且每一个时间步t都会根据给定的策略$\pi$来决定每一步的action：

$$\pi (a|s)=P(A_t=a|S_t=s)$$

从公式来看，$V^{\pi }(s)$测量了在当前state=s，使用policy$\pi$下，未来的累积reward的期望值。

需要注意的是，在这里，初始状态的action都是通过policy得到的，而如果初始状态的action是给定的话这个value function 将被称为state-action value function (Q-function)。举个例子，假设一个游戏每走一步的reward是-1，现在还差一步就要结束了，并且我们使用的是最优的polocy，如果使用state value function，我们的$V^{\pi }(s)=-1$，选择直接选择结束游戏（因为还差一步），但如果指定一个action$a$且这个action往外回了一步(-1)，那么走到终点需要再走两步，于是$Q^{\pi }(s,a)=-3$，这就是state-value function与state-action value function的区别。

我们考虑一个计算reward的例子：

假设当前状态是class 2，于是根据策略，其中一个agent选择了一个决策序列为 class 2→class 3→pass→sleep，假设discount=0.5那么我们的reward为：

$$-2+(-2\ast 0.5)+10\ast 0.5^2+0=-0.5$$

然而这只是其中的一个样本，有没有什么方法可以直接得出这个期望的解析解呢？这时候我们就要介绍bellman equation, 我们可以改写公式1为一个迭代的形式：

$$V^{\pi }(s)\doteq E_{\pi }[R_{t+1}+\gamma V^{\pi }(S_{t+1})|S_t=s]$$

即当前的reward加上，下一个state下的累积reward，通过这样的分解，我们有：

$$V^{\pi }(s)=E_{\pi }[R_{t+1}|S_t=s]+\gamma \sum _{s^{\prime }\in S}p(s^{\prime }|s)V^{\pi }(s^{\prime })$$

考虑不同的状态$s_1,...,s_n$我们可以写成矩阵的形式：

$$\underset{v}{\underbrace{(\begin{array}{c}{V}^{\pi }(s_1)\\ V^{\pi }(s^{多智能体强化学习入门}\end{array}}}$$

强化学习——入门

强化学习入门级实践教学

《深入浅出强化学习：原理入门_郭宪方勇纯》高清PDF+源代码

强化学习入门

强化学习入门