exploitation是什么意思？强化学习入门

本篇文章给大家谈谈exploitation是什么意思，以及强化学习入门对应的知识点，文章可能有点长，但是希望大家可以阅读完，增长自己的知识，最重要的是希望对各位有所帮助，可以解决了您的问题，不要忘了收藏本站喔。

“生存还是死亡，这是一个问题”，在强化学习中，ExplorationorExploitation？it'saproblem.我觉得这两个英文单词来概括强化学习，非常的贴切。强化学习经常被用于例如自动驾驶或是Alphago这样的场景，因为这种场景需要算法根据行为产生的反馈，做出一连串的判断。

Exploration：当我们对这个世界一无所知的时候，探索是唯一了解它的途径。在强化学习的一系列判断中，最初一定是处于信息空白区的，需要大胆的去Exploration，才能够获取更多信息。

Exploitation：经过了一定的Exploration之后，当我们对于这个世界有了一定了解，那么就是开始Exploitation的时候，去根据世界带给我们的反馈，给出最智能的回应。

“Theworldcomewithindetermination,butendwithintelligence”-鲁迅haven'tsay

如果老鼠走到骷髅头就会，想吃到更多的奶酪，它该怎么走。这里利用强化学习的Q-table方法，去预测每一次老鼠移动所能得到的反馈。

每一行代表上图的一个方格，每一列是一旦发生相应移动所能产生的结果，最初我们对这些一无所知，所以只能从“start”处开始探索，这里面涉及一个公式叫bellman公式，可以计算每一次行为产生的期望分，s为现在的状态status，a为action：

*R(start,right)为发生这个移动能得到的好处，会吃一个奶酪，所以R(start,right)=1

*Q‘(s',a')是一旦到了右边这一格，再继续向下、向左、向右得到的最大好处，从图片分析，最多是不死，所以是0

继续移动，直到算出所有行为的一个可能值，填满上面的表格，那么我们每一次做判断都取值做大的action，最终就可以吃最多的奶酪。

好了，文章到此结束，希望可以帮助到大家。