摘要：
Lagrange Method for Constrained Optimization Generic constrained optimization problem: regional constraint: \(x\in X\), 例如$x\geq 0$ functional constra 阅读全文
摘要：
什么是Experience Replay, Seperate Target Network 最近看到的一篇论文中提到的面对RL network不稳定甚至发散两个方法。 non-linear function approximator is unstable or even to diverge. I 阅读全文
摘要：
什么是PPO 是一种off-policy 的 policy gradient。 PPO enables multiple epochs of minibatch updates. Importance Sampling 可以在q的distribution里sample data，不用直接从p里sam 阅读全文
摘要：
什么是Actor-Critic 之前通过李宏毅、莫烦Python的视频了解了Actor-Critic的基本概念。 现在看看Actor-Critic的论文继续了解一下。 Critic-Only and Actor-Only 这篇文章之前的算法是Critic-Only, or Actor-Only。 A 阅读全文
摘要：
学习Deep Reinforcement Learning笔记 也不能算是初识了，大二SRP的时候看过一点，还在博客记录了一下，但是现在对DRL的了解和完全不知道其实没差多少。 所以现在系统一点看一些文章，对DRL构建一个大致的了解框架。 Background Machine Learning RL 阅读全文
摘要：
看了看之前写的那篇博客，感觉并没有真的总结清楚DRL是什么，难怪我一直不懂什么是DRL，原来是以前就没学好，所以现在从RL开始了解了解，了解RL之后再去了解DRL。 setup大部分，还是来自原本的博客，加了点注释。reform了一下，懒得再打公式了。 什么是RL 简介 什么是MDP Markov 阅读全文
摘要：
初识Stackelberg games 什么是Stackelberg game A stackelberg game is a two-player extensive game with perfect information. 两个player分别是leader和follower, Leader 阅读全文
摘要：
什么是Auction Theory 意义：解决信息不对称或不完全条件下，如何设计契约来处理各种激励与管制问题。 几种常见拍卖形式 英式拍卖：升价拍卖，最后价高者胜。 荷兰式拍卖：降价拍卖，第一个接受价格的人胜。 密封拍卖：每个人都对拍品单独报价，相互不知底细，封在信封里交上去，最后由拍卖师拆开信封。 阅读全文
摘要：
Web Client Server 几个概念 概念 解释 Request 用户请求的信息，用来解析用户的请求 Response 服务器返回给Client的信息 Conn 用户的每次请求链接 Handler 处理请求和生成返回信息的处理逻辑 Multiplexer：server接受request的过程 阅读全文
摘要：
fork的两种主要工作流程： 一.fork并且更新一个仓库 现在有这样一种情形：有一个叫做Joe的程序猿写了一个游戏程序，而你可能要去改进它。并且Joe将他的代码放在了GitHub仓库上。下面是你要做的事情： fork并且更新GitHub仓库的图表演示 Fork他的仓库：这是GitHub操作，这个操 阅读全文