随笔分类 -  Reinforcement Learning

摘要：DQN 算法改进 （一）Dueling DQN Dueling DQN 是一种基于 DQN 的改进算法。主要突破点：利用模型结构将值函数表示成更加细致的形式，这使得模型能够拥有更好的表现。下面给出公式，并定义一个新的变量： $$ q(s_t, a_t)=v(s_t)+A(s_t, a_t) $$ 也 阅读全文

摘要：马尔可夫决策过程 MDP 基于模型的动态规划方法（Model-Based，DP） 策略搜索 策略迭代 值迭代 无模型的强化学习方法（Model-Free） 蒙特卡洛方法（MC）：效率不高，但是能够展现 model-free 类算法的特性； 时序差分方法（TD，Important）：直接从 episo 阅读全文

摘要：【强化学习】值迭代和策略迭代 在强化学习中我们经常会遇到策略迭代与值迭代，但是很多人都搞不清楚他们两个之间的区别，他们其实都是强化学习中的动态规划方法（DP）。 ——《Reinforcement Learning:An Introduction》 （一）值迭代 （二）策略迭代 从一个初始化的策略出发 阅读全文

摘要：强化学习： 强化学习作为一门灵感来源于 心理学中的行为主义理论 的学科，其内容涉及 概率论、统计学、逼近论、凸分析、计算复杂性理论、运筹学 等多学科知识，难度之大，门槛之高，导致其发展速度特别缓慢。 一种解释： 人的一生其实都是不断在强化学习，当你有个动作（action）在某个状态（state）执行 阅读全文