强化学习 (RL) 中的策略是一种策略或映射,用于根据代理的当前状态确定代理的操作。它通过指定在给定状态下要采取的操作来定义代理的行为。策略可以是确定性的 (总是为给定状态选择相同的动作) 或随机性的 (基于概率分布选择动作)。
该策略在整个学习过程中指导代理,并规定它如何与环境交互。目标是让代理学习一个最优策略,一个随着时间的推移最大化累积奖励的策略。例如,策略可能规定机器人应该总是向前移动,除非检测到障碍物,此时它应该转弯。
实际上,策略可以表示为将状态映射到动作的函数或表 (在小型环境的情况下)。在更大,更复杂的环境中,可以通过深度学习方法来学习策略,其中使用神经网络来近似最佳操作。