强化学习（零）一图理清强化学习算法分类

已于 2023-10-12 12:57:52 修改
阅读量96 收藏 1
点赞数 2
分类专栏： 学习框架 强化学习 文章标签： 人工智能 算法 笔记
于 2023-10-12 09:56:45 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/JESSIENOTCAR/article/details/133784291
版权

先有一个整体的把握，每个分类下的算法梳理的还不是很全面，后面再补充。
在这里插入图片描述

参考资料

[1] 莫烦强化学习

WhyNot?
关注
  • 2
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
深度强化学习（二）强化学习算法的分类
daydayjump的博客
06-17 3万+
对于强化学习的分类，主要参考了莫烦大佬的视频和OpenAI的Spinning Up的介绍。 一、Model-Free和Model-Based两大类 上图是Spinning Up中的分类图。对于model的理解就是强化学习中的环境。根据是否去学习环境来进行分类。根据转移概率是否已知进行分类的。 Model-free就是不去学习和理解环境，环境给出什么信息就是什么信息，常见的方法有polic...
零基础学习C/C++需要注意的地方
01-19
今天本人就与大家一起谈谈如何学习C/C++或者说学习C/C++应从哪几方面着手。 先来说说C语言。 １、入门后多看代码 在有一定基础以后一定要多看别人的代码。注意代码中的算法和数据结构。毕竟学C之后的关口就是算法和...
强化学习算法分类
u013599384的博客
06-13 129
强化学习算法分类
强化学习算法——分类
Vic_Hao的博客
03-04 818
强化学习算法的分类
weixin_41106546的博客
04-05 648
另一方面， 在实际应用中，学习得到的模型往往是不准确的，这给智能体训练引入了估计误差，基于带误差 模型的策略的评估和提升往往会造成策略在真实环境中失效。一些常见的Actor-Critic类的算法包括Actor-Critic（AC）算法(Suttonetal., 2018) 和一系列改进：（1）异步优势Actor-Critic算法（A3C）(Mnihetal.,2016)将Actor-Critic 方 法扩展到异步并行学习，打乱数据之间的相关性，提高了样本收集速度和训练效率；与基于模型的方法相比，
强化学习——强化学习的算法分类
chensuanfa的博客
03-25 1042
from:https://www.jianshu.com/p/a04a8c7bee98 上一篇文章回顾了强化学习的核心概念，这里继续通过Open AI 的Spinning Up项目总结强化学习(RL)的算法，通过分类和对比的方法系统介绍强化学习的算法。 1. 算法分类 现代强化学习算法分类 ---图片来自Open AI Spinning up 项目--- 由于强化学习是一个更新速度非常快的领域，所以准确地全面地分类是相当困难的，Spinning up 项目组给出的这个分类...
10_理清深度学习优化函数发展脉络1
08-03
在深度学习领域，优化函数的选择对模型的训练性能至关重要。不同的优化器有着不同的特性，适应不同的网络结构和问题。常见的优化器包括随机梯度下降(SGD)、动量优化(Momentum)、自适应梯度(AdaGrad)、根均方误差...
C++深入学习之彻底理清重载函数匹配
01-01
但通过本文将彻底理清重载函数匹配 匹配过程 为便于说明，将函数匹配分为三个阶段，确定候选函数，确定可行函数，确定最佳匹配函数。 确定候选函数 候选函数也就是和被调用的函数同名，并且其声明在调用点可见。举...
预测模型之神经网络：深度学习面面观
09-25
神经网络（neural network）是机器学习的一个重要分支，也是深度学习的核心算法。神经网络的名字和结构，源自人类的大脑构造，即神经网络是模拟生物学中神经元信号传输而形成的一种算法。神经网络可以模拟人类大脑的...
深度学习入门路线.zip
10-20
其次，"深度学习入门路线.xmind"思维导图则可能以一种视觉化的方式，将以上知识点以层次结构展现出来，帮助学习者理清深度学习的学习路径： - **基础知识**：包括数学预备知识，如线性代数、概率统计和微积分。 - *...
强化学习算法
06-08
强化学习方面的ppt 讲述了强化学习的方法，应用，强化学习的因素，分类，是个很好的ppt
强化学习Qlearning算法matlab
07-11
一个简单的matlab的M语言编写的强化学习Q-Learning算法
强化学习算法分类汇总
白水的博客
02-24 4900
文章目录1. Model-Free 与 Model-Based RL2. Policy-Based 与 Value-Based RL3. Monte-Carlo Update 与 Temporal-Difference Update RL4. On-Policy 与 Off-Policy RL 1. Model-Free 与 Model-Based RL 根据Agent是否理解其所处的环境，可以将强化学习方法分为：无模型的强化学习(Model-Free RL)和基于模型的强化学习(Model-Based R
强化学习算法分类总结
lxlong的博客
10-31 961
知识总结：https://www.jianshu.com/p/a04a8c7bee98 A2C，A3C，PPO1，PPO2 ：策略函数的优化(πθ(a|s)) Q-learing : 动作值函数的优化(Qθ(s,a)) DDPG，SAC ：结合策略函数和动作值函数(πθ(a|s)+Qθ(s...
强化学习算法分类及发展趋势
caoyongsheng的博客
03-31 4353
已有的强化学习算法种类繁多，一般可按下列几个标准来分类。 （1）根据强化学习算法是否依赖模型可以分为基于模型的强化学习算法和无模型的强化学习算法。这两类算法的共同点是通过与环境交互获得数据，不同点是利用数据的方式不同。基于模型的强化学习算法利用与环境交互得到的数据学习系统或者环境模型，再基于模型进行序贯决策。无模型的强化学习算法则是直接利用与环境交互获得的数据改善自身的行为。两类方法各有优缺点，...
强化学习常用算法的分类
最新发布
Vertira的博客
04-29 190
模型未知的强化学习方法包括：蒙特卡洛学习，TD学习，Q学习，SARSA学习，Dyna框架，直接策略学习和Actor-Critic方法。根据Bellman方程，通过策略迭代和策略评估交替进行，求取最优策略。3）值函数迭代方法。通过一种逐次逼近方式，将有限时段的动态规划算法推广到无限时段上。在模型已知的情况下，采用动态规划的方法来寻找最优的策略。常用的动态规划方法有四种。近似强化学习的基本方法，包括带值函数TD学习、近似策略迭代和最小二乘策略迭代。4）广义策略迭代方法。结合策略迭代和值迭代的一种强化学习方法。
RL（二）强化学习的算法分类
weixin_42022175的博客
08-16 1639
目录强化学习的分类 强化学习的分类
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值