【Simulink教程案例49】强化学习概述与simulink建模简介

欢迎订阅《FPGA/MATLAB/SIMULINK系列教程》

Simulink教程目录

目录

1.软件版本

2.强化学习简介

2.1梯度策略(PG)

2.2信赖域策略优化(TRPO)

2.3深度确定性策略梯度算法(DDPG)

3.如何通过Simulink实现强化学习的建模

1.软件版本

matlab2021a

2.强化学习简介

       强化学习(Reinforcement Learning，RL)是目前人工智能研究最多的领域之一，其通常被应用于解决各种决策方面的问题，因此通过RL可以获得不同控制环境状态下的最优控制决策。强化学习的主要功能可以描述为：当机器处在一个环境中，每个状态为机器对当前环境的感知；智能体(Agent)只能通过动作(Action)来影响环境(Environment)，当机器执行一个动作后，会使得环境按某种概率转移(transition probability)到另一个状态(State)；同时，环境会根据潜在的奖赏函数反馈给机器一个奖赏(Reward)。强化学习的整个工作学习过程如图所示。