强化学习.md

[TOC]

强化学习

001 强化学习解决的是什么样的问题？

• TODO

002 举出强化学习与有监督学习的异同点。有监督学习靠样本标签训练模型，强化学习靠的是什么？

• TODO

003 强化学习的损失函数（loss function）是什么？

• TODO

004 写贝尔曼方程（Bellman Equation）

• TODO

参考资料

• 贝尔曼方程

005 最优值函数和最优策略为什么等价？

• TODO

006 求解马尔科夫决策过程都有哪些方法？

• TODO

007 简述蒙特卡罗估计值函数的算法。

• TODO

008 简述时间差分算法

• TODO

009 介绍Q-Learning

• TODO

参考资料

• Q-Learning

• Q-learning算法

• 【强化学习】Q-Learning算法详解

• 通过 Q-learning 深入理解强化学习

010 介绍DQN算法

• TODO

参考资料

• 【强化学习】Deep Q Network(DQN)算法详解
• 强化学习—DQN算法原理详解

011 DQN的两个关键trick分别是什么？

• TODO

012 DQN都有哪些变种？

• TODO

013 引入状态奖励的是哪种DQN？

• TODO

014 介绍OpenAI用的PPO算法

• TODO

015 介绍TRPO算法

• TODO

016 为什么TRPO能保证新策略的回报函数单调不减？

• TODO

017 介绍DDPG算法

018 画出DDPG框架

019 DDPG中的第二个D 为什么要确定？

• TODO

020 介绍A3C算法

• TODO

参考资料

• 一文读懂 深度强化学习算法 A3C （Actor-Critic Algorithm）
• 深度强化学习——A3C

021 A3C中优势函数意义

• TODO

022 强化学习如何用在推荐系统中？

• TODO

参考资料

• 用强化学习研究推荐系统的前景和难度怎么样？
• 深度强化学习如何和推荐系统结合起来？
• ICML 2019 | 强化学习用于推荐系统，蚂蚁金服提出生成对抗用户模型
• 最新！五大顶会2019必读的深度推荐系统与CTR预估相关的论文

023 介绍Sarsa算法

• TODO

参考资料

• AI学习笔记——Sarsa算法

024 Sarsa和Q-Learning区别

• TODO

参考资料

• 强化学习(五)：Sarsa算法与Q-Learning算法
• 强化学习中的Q-learning算法和Sarsa算法的区别
• Bourne强化学习笔记2：彻底搞清楚什么是Q-learning与Sarsa

参考资料

• 再励学习面试真题
• 强化学习面经