摘要：
强化学习的标准框架是 马尔可夫决策过程（MDP），它由五个基本元素构成(不可或缺的部分)：状态（S）、动作（A）、状态转移（P）、奖励（R）和折扣因子（γ）。 状态（S）：描述了环境是什么样子。 动作（A）：智能体可以做什么。 状态转移（P）：环境如何响应动作。 奖励（R）：定义了“好”与“坏”，是 阅读全文
posted @ 2025-10-09 11:06
wangssd
阅读(201)
评论(0)
推荐(0)
摘要：
Gym库(https://gym.openai.com) 是OpenAI推出的强化学习实验环境库。它用Python语言实现了离散之间智能体-环境接口中的环境部分。每个环境就代表着一类强化学习问题，用户通过设计和训练自己的智能体来解决这些强化学习问题。OpenAI 已经将 Gym 的维护权移交给了 F 阅读全文
posted @ 2025-10-09 10:59
wangssd
阅读(251)
评论(0)
推荐(0)
摘要：
多智能体强化学习算法分为 中心式和分散式 中心式的思想是考虑一个合作式的环境，直接将单智能体算法扩展，让其直接学习一个联合动作的输出，但是并不好给出单个智能体该如何进行决策。分散式是每个智能体独立学习自己的奖励函数，对于每个智能体来说，其它智能体就是环境的一部分，因此往往需要去考虑环境的非平稳态，并 阅读全文
posted @ 2025-10-09 08:51
wangssd
阅读(304)
评论(0)
推荐(0)
浙公网安备 33010602011771号