随笔分类 - Reinforce Learning
摘要:1 主要挑战和简化 1.1 挑战 超长决策链 每局游戏大约需要 \(20000\) 个 \(step\) (决策步),相比之下,国际象棋一般在 \(80\) 步,围棋在 \(150\) 步左右。\(Dota2\) 的帧率是 \(30/s\),而一局游戏的平均时长是 \(45\) 分钟,\(OpenA
阅读全文
摘要:1. PPO算法 \(PPO\) 算法全称 \(Proximal\ Policy\ Optimization\) ,即近端策略优化算法,该算法是 \(OpenAI\) 在 \(2017\) 提出的一种强化学习算法,被认为是目前强化学习领域的 \(SOTA\) 方法,也是适用性最广的算法之一。 \(P
阅读全文