学习让我快乐
·
Reinforcement-Learning 学习笔记
💡
原文中文，约75300字，阅读约需180分钟。
📝
内容提要
部分可观测性在强化学习中意味着代理只能获取部分状态，导致决策不最优。通过增强状态表示和结合历史观测，可以改善决策。函数逼近器无法存储历史信息，需要特征工程或特殊架构来实现记忆。Sutton指出，函数逼近虽然能简化状态，但无法补全缺失信息，需手动调整状态定义。
🎯
关键要点
- 部分可观测性在强化学习中意味着代理只能获取部分状态，导致决策不最优。
- 通过增强状态表示和结合历史观测，可以改善决策。
- 函数逼近器无法存储历史信息，需要特征工程或特殊架构来实现记忆。
- Sutton指出，函数逼近虽然能简化状态，但无法补全缺失信息，需手动调整状态定义。
❓
延伸问答
部分可观测性在强化学习中有什么影响？
部分可观测性意味着代理只能获取部分状态，导致决策不最优。
如何改善强化学习中的决策过程？
通过增强状态表示和结合历史观测，可以改善决策过程。
函数逼近器在强化学习中有什么局限性？
函数逼近器无法存储历史信息，需要特征工程或特殊架构来实现记忆。
Sutton对函数逼近的看法是什么？
Sutton指出，函数逼近虽然能简化状态，但无法补全缺失信息，需手动调整状态定义。
如何在强化学习中处理历史信息？
需要特征工程或特殊架构来实现记忆，以便处理历史信息。
强化学习中的状态表示如何增强？
通过结合历史观测和改进状态定义来增强状态表示。
➡️
