一.概述
强化学习【Reinforcement Learning，RL，增强学习】这一名词来源于行为心理学，表示生物为了趋利避害而更频繁实施对自己有利的策略。强化包括正强化【positive reinforcement】和负强化【negative reinforcement】，其中正强化使得生物趋向于获得更多利益，负强化使得生物趋向于避免损害。人工智能【Artificial Intelligence，AI】领域中有许多类似的趋利避害的问题。例如，著名的围棋AI程序AlphaGo可以根据不同的围棋局势下不同的棋。如果它下的好，就会赢；下的不好，就会输。它根据下棋的经验不断改进自己的棋艺，这就和行为心理学中的情况如出一辙。所以，人工智能借用行为心理学的这一概念，把与环境交互中趋利避害的学习过程称为强化学习。 强化学习【Reinforcement Learning，RL，增强学习】这一名
