笔记花园

DQN
在先前的Sarsa Q-learning and Dyna-Q算法中,我们始终需要维护一张Q(s,a)的表格,而这在state的数量巨量或者直接为离散情况时,这是不现实的 于是我们尝试用函数来拟合这个表格 从深度学习的学习之中,我们知道,多层感知机是一种很好的拟合函数 今天介绍的DQN算法便可以用来解决这样的情况,我们把函数记为Q_\omega(s,a) 我们把这样的网络记为Q-网络
965 字
|
5 分钟
Cover Image of the Post
REINFORCE&ACTOR_CRITIC
先前我们所涉及的所有算法,都是针对价值函数进行迭代,而策略方面往往仅局限于\epsilon-\text{贪婪算法},几乎不进行更新 我们先介绍基于策略的经典算法:REINFORCE,也就是策略梯度算法
639 字
|
3 分钟
sarsa Q-learning and Dyna-Q
我们简单介绍三种算法,并附上代码实践
588 字
|
3 分钟
Cover Image of the Post
DP
本文介绍的是强化学习中的DP求解,分别介绍策略迭代与价值迭代算法
2369 字
|
12 分钟
Cover Image of the Post
MDP
MDP在MAB的基础上,加入了与环境的交互: 1.环境不再是一成不变的,而是具有state的变化 2.action具有改变环境的能力
1678 字
|
8 分钟
Cover Image of the Post
MAB
首先,基于整个问题给出一个形式化的描述: 多臂老虎机问题不存在state,也就可以建模为一个元组\left\langle A , R \right\rangle,其中:
884 字
|
4 分钟
Cover Image of the Post