Reinforcement learning的概念

Reinforcement learning的概念可以用下列兩個例子說明:

The Big Bang Theory(生活大爆炸)第三季第三集(youtube上有，關鍵字Positive reinforcement)

Positive reinforcement
Penny幫Sheldon收盤子
Penny差點坐到Sheldon的專屬位置
Sheldon不喜歡Penny講的蠢話
Penny準備去別的地方講電話
Leonard發現Sheldon正在用正強化訓練Leonard的女朋友，做出Sheldon認為對的行為。
Negative reinforcement (punishment)
Sheldon對Leonard噴水(因Leonard禁止Sheldon訓練他的女朋友)。

B.F. Skinner - pigeon turn (youtube上有)

也叫作operant conditioning (操作制約) ，Skinner的實驗是基於RL的方法訓練一隻鴿子能向左轉一圈。

他準備一隻飢餓的鴿子，一開始鴿子會亂動，當鴿子轉向左邊，Skinner就給它食物做為Reward，強化它的行為，過幾次，鴿子就能向士轉一圈，完成Reinforcement Learning。

這種實驗也類似"巴夫洛夫的狗"。

------------------------------------------------------------------------------------------------------------------------

RL是機器學習中的一派，但是來自於心理學的行為理論(Behaviorist)。在DRL火了之前，資工系學不太到這種東西，其它科系有開"最佳化控制理論"課程的學得到。

RL最特別的地方是Reward的元素，RL演算法只是為了找到最大的累積Reward，RL不需要像ANN(Artificial Neural Network)、DNN(Deep Neural Network)、SVM(Support Vector Machine)去做分類，也不需要像Unsupervised learning去分群，這是RL跟其它機器學習方法最大的不同。

RL的代表演算法有 MDP(Markov Decision Process)和POMDP (Partial Observable MDP) 。