随笔分类 -  算法

算法
读强化学习论文之MADDPG
摘要：一、背景介绍 传统的强化学习问题研究的是个体与环境交互，通过环境反馈的reward来指导个体学习策略，经典的算法有Q-Learning、DQN、DDPG等。 但现实场景中，环境中个体并不是孤立，例如有多个机器人合力推举一个重物，也或者有对抗的个体进行阻碍。总之多个个体都需要学会合作亦或者竞争。 多智 阅读全文
posted @ 2020-07-24 10:02 coolAlan 阅读(2495) 评论(0) 推荐(0)
【回归】记Paddle强化学习训练营
摘要：回到博客园，上次发博已是5年，不曾想，机缘巧合，以参加一次Paddle训练营心得来回归博客园。 偶然收到百度Paddle强化学习7日训练营邮件，心想研究生期间也曾学习过一段时间（不过一知半解），颇想进一步学习下并有有所实践，暗合我意。 心想：虽然大部分时间要上班，这7天时间不长，应该很好坚持下来吧。 阅读全文
posted @ 2020-06-27 09:02 coolAlan 阅读(274) 评论(0) 推荐(0)
主成分分析（PCA）
摘要：PCA，主成分分析 主成分分析主要用于数据的降维。原始数据中数据特征的维度可能是很多的，但是这些特征并不一定都是重要的，如果我们能够将数据特征进行精简，不但能够减少存储空间，而且也有可能降低数据中的噪声干扰。 举个例子：这里有一组数据，如下 表1 2.5 1.2 -2.3 -2.8 -1 ... 阅读全文
posted @ 2015-09-03 15:44 coolAlan 阅读(912) 评论(0) 推荐(0)
MDP：马尔科夫决策过程（三）
摘要：MDP：马尔科夫决策过程（Markov Decision Process）贝尔曼等式：上节说到，这是对于确定性动作的模型。如果随机性动作的模型，应该表示为即，执行动作后的状态有多个，按照概率乘以值函数得到上式。因此，当前状态最优执行动作就是对于每个状态都有一个Vπ(S) ，所以对于每一步来说，可以得... 阅读全文
posted @ 2015-03-20 10:55 coolAlan 阅读(293) 评论(0) 推荐(0)
MDP：马尔科夫决策过程（二）
摘要：MDP：马尔科夫决策过程（Markov Decision Process）策略评价：对于确定性动作（deterministic actions），由于状态转换可能是无限的，那么奖惩函数之和的值也可能是无限的；对于随机性动作（stochastic actions），同样，奖惩函数期望之和也有可能是无限... 阅读全文
posted @ 2015-03-20 10:39 coolAlan 阅读(413) 评论(0) 推荐(0)
MDP：马尔科夫决策过程（一）
摘要：MDP：马尔科夫决策过程（Markov Decision Process）定义：一个马尔可夫模型包括如下部分状态集 S (States)动作集 A (Actions)奖惩函数 R (reward function)在状态 s 下，执行 a 动作的影响函数 T我们假设执行动作 a 的效果只与当... 阅读全文
posted @ 2015-03-20 09:56 coolAlan 阅读(403) 评论(0) 推荐(0)
极大似然估计
摘要：极大似然估计又称最大似然估计，对于一个已知的模型来说，还有些参数是不确定的，但是有了真实数据，那么这些参数可不可计算出呢？或者估计出最有可能的情况？举个例子，例如有一组来自正态分布（也叫高斯分布）的样本数据，每个样本的数据都独立同分布，比如是正态分布，但正态分布的参数μ,σ都不知道，如果用极大似然估... 阅读全文
posted @ 2015-01-16 22:42 coolAlan 阅读(407) 评论(0) 推荐(0)
【转载】0-1背包问题
摘要：0-1背包问题0-1背包问题：有N件物品和一个容量为V的背包。第i件物品的费用是c[i]，价值是w[i]。求解将哪些物品装入背包可使这些物品的费用总和不超过背包容量，且价值总和最大。这个问题的特点是：每种物品只有一件，可以选择放或者不放。算法基本思想：利用动态规划思想 ，子问题为：f[i][v]表示... 阅读全文
posted @ 2014-11-11 22:36 coolAlan 阅读(169) 评论(0) 推荐(0)