离心律

摘要： REINFORCE 算法 标准 REINFORCE 方法属于最基础的基于策略的强化学习算法，也叫 Monte Carlo Policy Gradient。基于策略的强化学习算法，核心是直接学习“应该怎么选动作”，直接学习一个策略：\(π(a∣s)\) （在状态 \(s\) 下，选择动作 \(a\) 阅读全文

摘要： 基于 Windows + Ubuntu 练习 MuJoCo 模拟 在本地 Windows 电脑上学习 MuJoCo 时，如果服务器是无图形界面的 Ubuntu 环境，最常见的问题是：仿真程序可以运行，但看不到 MuJoCo Viewer 的可视化窗口。本文记录了一套基于 Windows + Ubun 阅读全文

摘要： DQN 算法 强化学习中长期存在的挑战：如何直接从高维感官输入（如视觉）学习控制策略，而不依赖手工设计的特征。传统 RL 方法需要人工提取特征，限制了在复杂环境中的应用。Deep Q-Network（DQN）是一种将深度神经网络与 Q-learning 相结合的深度强化学习算法，旨在解决传统 Q-l 阅读全文