Q-learning演算法

    以前在阿里雲上面搭了一個wordpress部落格，最近快畢業了，阿里雲真的很貴，所以轉到CSDN上寫部落格，主要是為了方便以後查詢。

    Q-learning演算法是強化學習的一種演算法，強化學習目前主要應用到遊戲中，主要是目的是訓練一個知道怎麼做才能得到高分的model。強化學習的介紹很多，李巨集毅在https://www.youtube.com/watch?v=W8XF3ME8G2I上的課程就做了一些介紹，此外。強化學習和深度學習究竟是什麼關係？？很多地方所增強學習(就是強化學習，reinforcement learning)是深度學習的一種，其實不能這麼說，強化學習可以結合深度學習演算法，比如說Google的DQN專案就是使用卷積神經網路學習一個自動打遊戲的模型，https://blog.csdn.net/jiandanjinxin/article/details/54133521文章較好的介紹了深度學習和強化學習的關係。

    AlphaGo是強化學習的一個例子，個人感覺，監督學習不能夠實現真正的人工智慧，需要一些半監督，無監督學習方法才有可能實現真的的人工智慧。強化學習感覺和自動機的原理差不多，都是在一些state裡面採取一些action，然後不斷的進行。只不過自動機沒有reward這個東西，在強化學習中，每採取一些action，環境(environment)會給一些reward，然後我們可以用於對modle進行更新。

    Q-learning演算法的簡介可以檢視http://baijiahao.baidu.com/s?id=1597978859962737001&wfr=spider&for=pc，主要詳細介紹下面幾點：

    1：Q-table的更新原則

    這裡的r是reward，指的是每次進行一步的時候,environment所給的分數，和Q(s,a)是不一樣的，http://baijiahao.baidu.com/s?id=1597978859962737001&wfr=spider&for=pc使用一個例子介紹了Q-table的更新過程。

    2：疑慮？？？

     Q-learning必須要知道所有的state和action，那麼訓練之後得到的實際上就是一個能夠得到高reward的模型。能不能不指定state，那麼得到的model才能夠對未知的情況進行判斷。