深度强化学习综述：兼论计算机围棋的发展

深度强化学习将深度学习的感知能力和强化学习的决策能力相结合，可以直接根据输入的图像进行控制，是一种更接近人类思维方式的人工智能方法。自提出以来，深度强化学习在理论和应用方面均取得了显著的成果。尤其是谷歌深智(DeepMind)团队基于深度强化学习方法研发的计算机围棋“初弈号–AlphaGo”，在2016年3月以4：1的大比分战胜了世界围棋顶级选手李世石(Lee Sedol)，成为人工智能历史上一个新里程碑。为此，本文综述深度强化学习的发展历程，兼论计算机围棋的历史，分析算法特性，探讨未来的发展趋势和应用前景，期望能为控制理论与应用新方向的发展提供有价值的参考。