摘要：
一、介绍 1、两个模型：MCTS树结构，神经网络 阅读全文
posted @ 2025-08-26 17:55
牧云文仔
阅读(6)
评论(0)
推荐(0)
摘要：
一、基于模拟的搜索 1、模拟：基于强化学习模型，进行采样，得到样本数据 2、搜索：利用模拟的样本数据，计算采取什么动作 3、非模拟的前向搜索，状态动作数量多，就会导致动作的选择特别慢，不实用 4、MCTS适合状态、动作是海量数据的强化学习 二、简单蒙特卡洛搜索 1、可以处理中等规模的问题，比前向搜索 阅读全文
posted @ 2025-08-26 17:54
牧云文仔
阅读(20)
评论(0)
推荐(0)
摘要：
一、强化学习分类 1、基于价值：从价值函数中学习，Q-Learning，Sarsa 2、基于策略：从策略函数中学习，Policy Gradient 3、基于模型：从环境的模型中学习，不需要和环境交互，类似于监督学习，有两个模型 状态转化预测模型：输入当前状态s和动作a，预测下一个状态s' 奖励预测模 阅读全文
posted @ 2025-08-26 17:53
牧云文仔
阅读(9)
评论(0)
推荐(0)
摘要：
一、概念 1、异步优势演员评论家算法（Asynchronous Advanced Actor Critic，A3C），解决Actor Critic很难收敛的问题，加速强化学习 2、创建多个并行环境，并行计算，然后合并学习到的结果，避免了经验回放相关性太强的问题 3、使用python多线程，提供了通用 阅读全文
posted @ 2025-08-26 13:42
牧云文仔
阅读(20)
评论(0)
推荐(0)
摘要：
一、Nature DQN 1、DQN缺点：只有一个神经网络，既选择动作，又估计价值，估计值容易过高；不能保证Q网络收敛，Q网络模型效果差 2、Nature DQN两个Q神经网络，在线网络用于动作选择，目标网络用于估计Q值，减少目标Q值计算和要更新Q网络参数之间的依赖 3、这两个神经网络结构是一样的 阅读全文
posted @ 2025-08-26 13:34
牧云文仔
阅读(23)
评论(0)
推荐(0)
浙公网安备 33010602011771号