強化學習框架？強化學習的基本要素如下：1、環境狀態：即Environment所描述對象的情況。由于強化學習本身的設計，其狀態可認為是離散的，或者簡單來說，就是一步一步的。具體的取值，取決于你的采樣方式，更取決于你設計的算法本身的需求。那么，強化學習框架？一起來了解一下吧。
學習方法：
一、預習：在預覽教材的總體內容后再細讀，充分發揮自己的自學能力，理清哪些內容已經了解，哪些內容有疑問或是看不明白（即找重點、難點）分別標出并記下來。
這樣既提高了自學能力，又為聽課“鋪”平了道路，形成期待老師解析的心理定勢；這種需求心理定勢必將調動起我們的學習熱情和高度集中的注意力。
二、聽課： 聽老師講課是獲取知識的最佳捷徑，老師傳授的是經過歷史驗證的真理；是老師長期學習和教學實踐的精華。提高課堂效率是尤為重要：
1、做好課前準備：精神上的準備十分重要。保持課內精力旺盛，頭腦清醒，是學好知識的前提條件。
2、集中注意力：思想開小差會分心，要專心聽講，排除干擾。
3、認真觀察、積極思考：不要做一個被動的信息接受者，要充分調動自己的積極性，緊跟老師講課的思路，會取得的學習效果好。
4、充分理解、掌握方法。
5、抓住老師講課的重點：有的同學在聽課，往往忽視老師講課的開頭和結尾，同時還要注意老師反復強調的部分。
6、做好課堂筆記：是強化記憶的最佳方法之一。筆記，一份永恒的筆錄，可以克服大腦記憶方面的限制。俗語說，好記憶不如爛筆頭，因此必須記筆記。同時做筆記充分調動耳、眼、手、心等協同工作可幫助學習。
這個具體就要學深度學習和強化學習的相關知識了，可以拿最簡單的DQN舉例，DQN就是用神經網絡去代替了傳統的Q表，從而進行訓練。
深度強化學習一直以來都以智能體訓練時間長、計算力需求大、模型收斂慢等而限制很多人去學習，加州大學伯克利分校教授Pieter Abbeel最近發表了深度強化學習的加速方法，解決了一些問題。
深度強化學習一直以來都以智能體訓練時間長、計算力需求大、模型收斂慢等而限制很多人去學習，比如：AlphaZero訓練3天的時間等，因此縮短訓練周轉時間成為一個重要話題。
加州大學伯克利分校教授，Pieter Abbeel最近發表了深度強化學習的加速方法，他從整體上提出了一個加速深度強化學習周轉時間的方法，成功的解決了一些問題。
最近幾年，深度強化學習在各行各業已經有了很成功的應用，但實驗的周轉時間（turn-around time）仍然是研究和實踐中的一個關鍵瓶頸。
該論文研究如何在現有計算機上優化現有深度RL算法，特別是CPU和GPU的組合。
且作者確認可以調整策略梯度和Q值學習算法以學習使用許多并行模擬器實例。 通過他們進一步發現可以使用比標準尺寸大得多的批量進行訓練，而不會對樣品復雜性或最終性能產生負面影響。
同時他們利用這些事實來構建一個統一的并行化框架，從而大大加快了兩類算法的實驗。 所有神經網絡計算都使用GPU，加速數據收集和訓練。
強化學習的重點在于value function，state還有reward。action不算在內。
神經網絡有很好的函數擬合效果，因此最早提出的深度強化學習，是用神經網絡來擬合值函數，來解決狀態空間或動作空間連續的問題。
現神經網絡的一些優質算法，如lstm，attention model，都能應用到強化學習中去。
如果是新手的話，建議先看以下論文：
Li, Yuxi. Deep Reinforcement Learning[C]// ICASSP 2018 - 2018 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP). 2018.
Wang Z, Schaul T, Hessel M, et al. Dueling network architectures for deep reinforcement learning[J]. 2015.
首先，要端正學習態度。要知道學習這事兒并不一定發狠就可以學得很好，要注重方法，平靜心態。保存平靜心態。
然后確立自己的目標，先選擇一個你預期的目標，當然要切合實際。
理科的話，要做好題海戰術的準備。畢竟，多做題才有助于提高思維能力，這其中有點苦，但是忍下來就OK咯。不要求你盡善盡美，但是功夫要扎實。文科東西，跟著老師來沒錯。數學每次準時完成老師布置的題也可以了，但是自己一定要認真思考。生物挺好學的，而且挺好玩，相信這可不成問題。物理，這是重頭戲，簡直沒幾個人能在他的重磅下幸存。化學也挺好學的，主要是元素周期表，反應公式等等，在我看來屬于智力測驗題，挺好玩的。英語就不說了，背單詞是必須的。
你好好加油吧！
以上就是強化學習框架的全部內容，強化學習中的強化類型有正強化、負強化、懲罰等。1、正強化（Positive Reinforcement）。正強化是指在一個動作或行為之后，給予一個積極的獎勵或增加一個愉悅的刺激，以增加該動作或行為的概率。例如。
