在强化学习中利用策略的方法
Ways to utilize policy learned in reinforcement learning
我想核对一下我对强化学习的理解。如何 easy/difficult 或常见地训练一个策略，然后在以后重用学习到的策略？到目前为止我的理解是，当我们停止训练并再次开始时，它需要从头开始，即无法从学到的策略中受益。谢谢。
具体要看你用的是什么方法，但一般来说，学习方法一旦收敛，就不需要“训练”了。例如，在 Q-learning 的情况下，这是一种无模型的非策略学习方法，在算法收敛之前，代理必须仍然采取随机行动以确保 Q(s ,a) space 已经探索过了。但是每个单独的步骤都利用了从之前的情节中获得的经验，所以说你从头开始每一集是不正确的。
我想核对一下我对强化学习的理解。如何 easy/difficult 或常见地训练一个策略，然后在以后重用学习到的策略？到目前为止我的理解是，当我们停止训练并再次开始时，它需要从头开始，即无法从学到的策略中受益。谢谢。
具体要看你用的是什么方法，但一般来说，学习方法一旦收敛，就不需要“训练”了。例如，在 Q-learning 的情况下，这是一种无模型的非策略学习方法，在算法收敛之前，代理必须仍然采取随机行动以确保 Q(s ,a) space 已经探索过了。但是每个单独的步骤都利用了从之前的情节中获得的经验，所以说你从头开始每一集是不正确的。