Uzuki

摘要： 无模型控制（Model-Free Control） 无模型预测概论 上一节课： 无模型预测 用于估计一个未知马尔科夫决策过程的价值函数 这节课 无模型控制 最优化一个未知马尔科夫决策过程的价值函数 一般在以下两种情况采用无模型预测 马尔科夫决策过程是未知的，仅能通过采用得到记录 马尔科夫决策过程是已 阅读全文

摘要： 上一节课《通过DP求解》可以解决一个已知的马尔科夫决策过程 本节课 实践无模型预测 解决或者估计一个未知马尔科夫决策过程的价值函数 下一节课 实现无模型决策（Model-free control） 最优化一个马尔科夫决策过程的价值函数 阅读全文

摘要： 动态（Dynamic)：序列性又或是时序性的问题部分 规划（Programming）：最优化一个程序（Program），i.e 一种策略 线性规划（Linear Programming） 显然马尔科夫决策过程就符合动态规划的顺序 阅读全文

摘要： 最近在搞强化学习（Reinforcement Learning），打算把之前写的笔记整理一下 本文基于大卫 希尔维（David Silver）教授的强化学习概论课程，视频中所采用的样例学生马尔科夫链（Student MDPs）有时间再补上去 出处：[https://www.youtube.com/watch?v=lfHX2hHRMVQ&list=PLqYmG7hTraZDM-OYHWgPebj2MfCFzFObQ&index=2]() 阅读全文

摘要： 目录 "快速幂" "快速幂取模" "矩阵快速幂" "矩阵快速幂取模" "HDU1005练习" 快速幂 ​ 幂运算：$x ^ n$ ​ 根据其一般定义我们可以简单实现其非负整数情况下的函数 定义法： ​ 不难看出此时算法的时间复杂度是$O(n)$，一旦n取较大数值，计算时间就会大大增加，极其容易出现超 阅读全文