通俗易懂

读起来通俗易懂，非常适合强化学习入门的读者，强烈推荐。想象一下，一只老鼠在迷宫里试图找到隐藏的奶酪碎片。我们越是把老鼠暴露在迷宫里，它就越能找到奶酪。起初，鼠标可能会随机移动，但一段时间后，鼠标的体验有助于它意识到哪些动作使它更接近奶酪。鼠标的过程反映了我们使用强化学习（RL）来训练系统或游戏的工作。一般来说，RL是一种机器学习方法，可以帮助代理从经验中学习。通过记录操作并在设置环境中使用反复试验方法，RL可以最大限度地提高累积回报。在我们的例子中，鼠标是代理，迷宫是环境。鼠标的一组可能操作是：向前、向后、向左或向右移动。奖励是奶酪。