随笔分类 - 强化学习
摘要：该论文主要讲述了多智能体通信。 简介中提出，很多多智能体任务需要通信，所以提出了两种算法RIAL和DIAL。论文中考虑的任务是完全合作，部分观测，顺序多智能体决策的任务。所有的智能体的目标是相同的，最大化累计折扣奖励。没用智能体能观察到完整的马尔可夫状态，智能体之间可以通过有限离散的信道交流，智能体
阅读全文
摘要：文章介绍了一种提高多智能体之间通信效率的方法（得到最适合的通信带宽）。 首先介绍了多智能体强化学习模型ACML： 算法跟MADDPG是有点类似的，增加了信息生成网络和信息协调网络，actor产生决策的时候还要考虑协调后的信息，变相得到了全局的信息。 但是这种信息可能是冗余的，下面考虑优化： 在生成网
阅读全文
摘要：论文：https://arxiv.org/pdf/1802.01561.pdf 参考：https://zhuanlan.zhihu.com/p/58226117 https://zhuanlan.zhihu.com/p/34074929 以下是论文的选择性（个人向）翻译QAQ 摘要： 在这篇论文中，
阅读全文
摘要：单臂摆是强化学习的一个经典模型，本文采用了4种不同的算法来解决这个问题，使用Pytorch实现。 以下是老版本，2022年9月14日新增Dueling DQN, Actor-Critic算法， SAC，更新了PPO，DDPG算法，在文末。 DQN： 参考： 算法思想： https://mofanpy
阅读全文
摘要：参考：https://zhuanlan.zhihu.com/p/129247756 论文原文：https://arxiv.org/pdf/2003.13590.pdf 一、遇到的挑战： 1、复杂的计分系统。每一局麻将游戏包含很多回合，而最后的排名是由这些回合的总分决定的（当玩家在前面的回合产生了巨大
阅读全文
摘要：刚把《强化学习》的第一部分写完，突发奇想想写一个井字棋小游戏AI，采用MCTS算法，中间采用了UCT算法作为树中策略，等概率随机作为树外策略。 代码： #include <bits/stdc++.h> using namespace std; const int maxn = 20010; doub
阅读全文
摘要：本章的重点就是计算价值函数，通过DP进行迭代计算。 Vπ(s)的定义式： 迭代计算方式： 以该问题为例，编写代码加深理解： 过程图： 本图中展示的是策略不变的情况。虽然策略没变，但是仍然找到了每个状态的最优动作。 此为模拟程序在策略不改变的情况下展示的结果 策略改变： 添加了基于贪心的策略改进之后，
阅读全文
摘要：本章节以多臂赌博机为模型，介绍了若干个在简化环境下的强化学习算法（动作不会影响下一时刻的情景和收益） 1、贪心算法，每次选择期望收益最大的动作 2、ξ-贪心，在贪心算法的基础上，有ξ的概率从所有的动作中等概率选择一个。ξ如果比较大可以更快的找到收益最大的动作，但是会影响选择选择收益最大动作的概率（ξ
阅读全文
摘要：强化学习与常见机器学习方法的区别： 1、有监督学习： 有监督学习是从外部监督者提供的带标注的训练集当中进行学习，这种学习方式是为了让系统具有推断或泛华的能力。 2、无监督学习： 无监督学习是一个典型的寻找未标注的数据中的隐含结构的问题。 3、强化学习： 强化学习是一种对目标导向的学习与决策进行理解和
阅读全文
浙公网安备 33010602011771号