Angry_Panda - 博客园

强化学习入门书籍《DeepReinforcementLearningHands-On-SecondEdition》

摘要：前段时间在网上买了本强化学习入门的书籍，即《Deep-Reinforcement-Learning-Hands-On》，虽然是影印版的，但是感觉还是可以看看的，说的也蛮易懂的，感觉比现在市面上的中文的其它同类书籍要好很多。在下载代码的时候发现已经出了第二版，于是在网上找到了第二版的所在，感觉还是不错阅读全文

posted @ 2021-03-17 21:55 Angry_Panda 阅读(995) 评论(1) 推荐(0)

LeetCode 上1769号面试编程题，python编程

摘要：原题地址： https://leetcode-cn.com/problems/minimum-number-of-operations-to-move-all-balls-to-each-box/ 事件起源于实验室的慕师弟马上要博士毕业，意向是要去互联网公司，于是建议其去网上练练编程题，也正因此见到阅读全文

posted @ 2021-03-14 23:49 Angry_Panda 阅读(125) 评论(1) 推荐(0)

动手煮面的一次经历，加餐DIY

摘要：去年和今年一直是有疫情的，也是如此像我这种在学校呆着的不是在家窝着就是在学校窝着，尤其是到了假期的时候，如果晚回家几天那食堂的伙食就会变得十分的恐怖。面对这样的伙食也是十分的无奈，虽然也是十分理解当前情况下还能提供一口热饭吃已然不易，但是这种伙食吃上几顿总是无法再继续了，于是想起了同屋小伙（老段）阅读全文

posted @ 2021-03-12 08:13 Angry_Panda 阅读(100) 评论(1) 推荐(0)

同策略强化学习算法可以使用经验缓存池（experience buffer）吗？？？设计一个基于缓存池的改进reinforce算法，给出初步的尝试 ---------- （reinforce + experience buffer）

摘要：本文使用代码地址： https://gitee.com/devilmaycry812839668/reinforce_with_-experience-buffer 前面有几篇博客分析了以reinforce算法为原型的多环境并行强化学习算法，这里是在之前的算法基础上加入了经验池回放机制。经验池回放机阅读全文

posted @ 2021-01-27 07:52 Angry_Panda 阅读(779) 评论(0) 推荐(0)

标准DQN在测试算法性能时为什么要将探索概率epsilon设置为0.05呢，而不是使用其他探索概率的epsilon-greedy策略或者直接使用greedy探索策略呢？

摘要：标准dqn的策略网络参数更新所采用的规则为Q-learning中的更新规则，总所周知的是Q-learning是异策略算法，异策略算法就是行为策略和评估策略（更新所得策略）是不同的。更新规则： q-learning 如果使用不使用函数近似来表示Q值，那么存在：也就是说，只要运行迭代的次数足够多，趋阅读全文

posted @ 2021-01-26 12:44 Angry_Panda 阅读(2447) 评论(0) 推荐(0)

强化学习中性能的评价指标到底应该如何选择：1.平均得分，2.平均Q值

摘要：《Human-level control through deep reinforcement learning》是深度强化学习的开创性论文，对于强化学习算法的性能评价在文章中给出了两种方式，分别是： 1. 平均得分。测试性能时agent进行一定的步数执行，记录agent所获得的所有奖励值并对其求阅读全文

posted @ 2021-01-24 19:40 Angry_Panda 阅读(8287) 评论(0) 推荐(0)

自动判断网络连接状态，如断网则自动进行联网（特定环境：某高校校园网）

摘要：编程环境：python3 使用环境：特定为东北某海滨高校的校园网功能：定期判断是否联网，如果网络端口则自动尽量网络连接操作（校园网登录，login认证）说明：用户名及密码需要依照个人情况改写方可使用（必须是某高校的校园网下才可使用） # encoding:UTF-8 from urllib.p 阅读全文

posted @ 2021-01-23 08:25 Angry_Panda 阅读(570) 评论(1) 推荐(0)

并行化强化学习 —— 最终版本 —— 并行reinforce算法的尝试

摘要：本文代码地址： https://gitee.com/devilmaycry812839668/final_-version_-parallelism_-reinforce_-cart-pole 结合了前面几个版本的并行化强化学习的设计，给出了最终版本。gym下简单的CarlPole环境作为仿真环境，阅读全文

posted @ 2021-01-22 20:57 Angry_Panda 阅读(478) 评论(0) 推荐(0)

并行化强化学习 —— 初探 —— 并行reinforce算法的尝试（下篇：强化学习在大规模仿真环境下多步交互并行化设计的可行性）

摘要：本文代码地址： https://gitee.com/devilmaycry812839668/parallelism_-multi_-step_-reinforce_-cart-pole 和前文：并行化强化学习 —— 初探 —— 并行reinforce算法的尝试（中篇：强化学习在大规模仿真环境下阅读全文

posted @ 2021-01-16 10:49 Angry_Panda 阅读(234) 评论(0) 推荐(0)

并行化（或者分布式）强化学习的本质是什么？？？

摘要：序言：读书的研究方向为强化学习，做学术自然开始着手做的事情就是阅读论文，不过读着读者相关的论文就发现了一些问题，强化学习方向的论文大部分都是上来给出一种在以往算法上的改进，给出具体改进算法的伪代码，然后说下简单的理解判断用来说明一下为什么这个改进的算法有效，但是这往往导致这些所谓的解释难以真正的对其阅读全文

posted @ 2021-01-06 08:38 Angry_Panda 阅读(1118) 评论(2) 推荐(0)

Angry Panda（T-800）

公告

导航