바닥부터 배우는 강화 학습 | 03. 벨만 방정식

'바닥부터 배우는 강화 학습' 3장에는 밸류를 구할 수 있는 벨만 방정식과 벨만 최적 방정식에 대해서 설명하고 있습니다. 아래 내용은 공부하면서 핵심 내용을 정리한 것입니다.

참고자료

• 도서: 바닥부터 배우는 강화 학습 / 3장 벨만 방정식
• 동영상: https://www.youtube.com/watch?v=NMesGSXr8H4 (후반부)

벨만 방정식

• 밸류를 계산할 때 벨만 방정식을 이용해서 구함
• 벨만 방정식은 시점 $t$에서의 밸류와 시점 $t+1$에서의 밸류 사이의 관계를 다루며 또 가치 함수와 정책 함수 사이의 관계도 다룸

 

재귀 함수

• 벨만 방정식은 기본적으로 재귀적 관계에 대한 식
• 재귀 함수는 자기 자신을 호출하는 함수
• 피보나치수열(0, 1, 1, 2, 3, 5, 8, 13, 21, ...)의 재귀적인 표현

$$fib(n) = fid(n-1) + fib(n-2)$$

3.1 벨만 기대 방정식

0단계

• 현재 밸류와 다음 상태의 밸류 사이의 관계: $v_{\pi}(s_t) = \mathbb{E}_{\pi}[r_{t+1} + \gamma v_{\pi}(s_{t+1})]$
• 증명

$$\begin{equation}
\begin{split}
v_{\pi}(s_t) &= \mathbb{E}[G_t] \\
&= \mathbb{E}[r_{t+1} + \gamma r_{t+2} + \gamma^2 r_{t+3} + ...] \\
&= \mathbb{E}[r_{t+1} + \gamma (r_{t+2} + \gamma r_{t+3} + ...)] \\
&= \mathbb{E}[r_{t+1} + \gamma G_{t+1}] \\
&= \mathbb{E}[r_{t+1} + \gamma v_{\pi}(s_{t+1})]
\end{split}
\end{equation}$$

• 현재 상태 $s_t$의 밸류인 리턴의 기댓값을 다음 스텝의 보상과 미래에 받을 보상을 더하는 방식으로 계산

• 위 그림은 동전 던지기를 결정하는 과정
  ◦ 첫 번째는 정책 $\pi$가 액션 $a_1$ 또는 $a_2$를 선택
      예) $\pi(a_1|s_t) = 0.6, \;\;\;\; \pi(a_2|s_t) = 0.4$
  ◦ 두 번째는 환경에 선택된 액션에 대해서 전이 확률 $P_{ss'}^a$에 따라서 다음 상태 결정
      예) $P_{s_ts_1}^{a_1} = 0.7, P_{s_ts_2}^{a_1} = 0.3, P_{s_ts_3}^{a_2} = 0.5, P_{s_ts_4}^{a_2} = 0.5$

 

1단계

1. $q_{\pi}$를 이용해 $v_{\pi}$ 계산하기

• 위 식에 대한 설명은 아래 그림과 식을 통해 이해 가능

• 액션 밸류 $q_{\pi}(s, a_1)$와 $q_{\pi}(s, a_2)$를 알고 있다고 가정하면 정책 $\pi$를 이용해 상태 $s$의 밸류 계산 가능

$$\begin{equation}
\begin{split}
v_{\pi}(s) & = \pi(a_1|s) * q_{\pi}(s, a_1) + \pi(a_2|s) * q_{\pi}(s, a_2) \\
& = 0.6 * 1 + 0.4 * 2 \\
& = 1.4
\end{split}
\end{equation}$$

• 어떤 상태에서 선택할 수 있는 모든 액션의 밸류를 모두 알고 있다면 해당 상태의 밸류 계산 가능

$$v_{\pi}(s)=\sum_{a \in A} \pi(a|s) q_{\pi}(s, a)$$

2. $v_{\pi}$를 이용해 $q_{\pi}$ 계산하기

• 위 식에 대한 설명은 아래 그림과 식을 통해 이해 가능

• 액션 $a_1$에 대한 보상 $r_s^{a_1}$, 상태 전이 확률 $P_{ss'}^{a_1}$, 생태 밸류 $v(s_1)$과 $v(s_2)$를 알고 있다고 가정하면 상태 $s$에서 액션 $a_1$의 밸류 계산 가능

$$\begin{equation}
\begin{split}
q_{\pi}(s, a_1) & = r_s^{a_1} + P_{ss_1}^{a_1} * v_{\pi}(s_1) + P_{ss_2}^{a_1} * v_{\pi}(s_2) \\
& = 0.5 + 0.7 * 1.5 +  0.3 * (-1) \\
& = 1.25
\end{split}
\end{equation}$$

• 위 식을 시그마를 이용해 일반화 한 식

$$q_{\pi}(s,a) = r_s^a + \gamma \sum_{s' \in S} P_{ss'}^a v_{\pi}(s')$$

2단계

• 1단계 $q_{\pi}$에 대한 식을 $v_{\pi}$에 대한 식에 대입하면 아래와 같음

• 반대로 $v_{\pi}$에 대한 식을 $q_{\pi}$에 대한 식에 대입하면 아래와 같음

• $v_{\pi}(s)$에 대한 벨만 기대 방정식
  ◦ 0단계: $v_{\pi}(s)=\mathbb{E}_{\pi}[r' + \gamma v_{\pi}(s')]$
  ◦ 2단계: $v_{\pi}(s)=\sum_{a \in A} \pi(a|s) \left( r_s^a + \gamma \sum_{s' \in S}P_{ss'}^a v_{\pi}(s') \right)$
• 2단계 식을 계산하기 위해서 다음 2가지를 반드시 알아야 함
  ◦ 보상 함수: $r_s^a$
  ◦ 전이 확률: $P_{ss'}^a$
• 실제로는 대부분의 경우 MDP를 모르기 때문에 경험(experience)을 통해 학습
  ◦ 모델 프리(model-free): MDP를 모를 때 학습하는 접근법
  ◦ 모델 베이스(model-based): MDP를 알고 있을 때 학습하는 접근법

3.2 벨만 최적 방정식

◈ 최적 밸류와 최적 정책

• 최적 밸류의 정의는 다음과 같음

$$\begin{equation}
\begin{split}
v_{*}(s) &= \underset{\pi}{\mathrm{max}} \; v_{\pi}(s) \\
q_{*}(s, a) &= \underset{\pi}{\mathrm{max}} \; q_{\pi}(s, a)
\end{split}
\end{equation}$$

• 모든 상태에서  최적 밸류를 갖게 하는 정책 $\pi$가 최소한 1개 이상 존재
• 최적 정채 (optimal policy)의 정의
  ◦ 최적의 정책 $\pi_{*}$를 따를 때 얻는 보상의 총합이 가장 크다
  ◦ 모든 상태 $s$에 대해, $v_{\pi_1}(s) > v_{\pi_2}(s)$ 이면 $\pi_1 > \pi_2$
  ◦ MDP 내의 모든 $\pi$에 대해 $\pi_{*} > \pi$를 만족하는 $\pi_{*}$가 반드시 존재
• 최적 정책, 최적 밸류, 최적 액션 밸류의 관계
  ◦ 최적의 정책: $\pi_{*}$
  ◦ 최적의 밸류: $v_{*}(s) = v_{\pi_{*}}(s)$ ($\pi_{*}$를 따랐을 때의 밸류)
  ◦ 최적의 액션 밸류: $q_{*}(s, a) = q_{\pi_{*}}(s, a)$ ($\pi_{*}$를 따랐을 때의 액션 밸류)

◈ 벨만 최적 방정식

• 액션을 선택할 때 확률적으로 선택하는 것이 아니라 최댓값(max) 연산자를 통해 제일 좋은 액션을 선택

 

0단계

$$\begin{equation}
\begin{split}
v_{*}(s) &= \underset{a}{\mathrm{max}} \; \mathbb{E}[r + \gamma v_{*}(s') | s_t = s, a_t = a] \\
q_{*}(s, a) &= \mathbb{E}[r + \gamma \underset{a'}{\mathrm{max}} \; q_{*}(s', a')| s_t = s, a_t = a]
\end{split}
\end{equation}$$

• 액션은 확률을 따르지 않고 $\mathbb{E}[r+\gamma v_{*}(s')]$을 최대로 하는 액션을 선택
• 환경에 의한 전이 확률 $P_{ss'}^a$에 의해 다양한 $s'$에 도달할 수 있기 때문에 기댓값 연산자가 필요

 

1단계

1. $q_{*}$를 이용해 $v_{*}$ 계산하기

$$v_{*}(s) = \underset{a}{\mathrm{max}} \; q_{*}(s, a)$$

• 위 그림에서 최적 액션은 두 개의 액션 중 가치가 높은 $a_2$를 선택하는 것 
• 수식으로 표현하면 아래와 같음

$$\begin{equation}
\begin{split}
v_{*}(s) &= \underset{a}{\mathrm{max}} \; q_{*}(s, a) \\
&= \mathrm{max}(q_{*}(s, a_1), q_{*}(s, a_2)) \\
&= \mathrm{max}(1, 2) = 2
\end{split}
\end{equation}$$

2. $v_{*}$를 이용해 $q_{*}$ 계산하기

$$q_{*}(s, a)=r_s^a + \gamma \sum_{s' \in S} P_{ss'}^av_{*}(s')$$

2단계

• 위 수식과 같이 $v_{*}(s)$의 식에 $q_{*}(s, a)$의 식을 대입

• 위 수식과 같이 $q_{*}(s, a)$의 식에 $v_{*}(s)$의 식을 대입