强化学习-Q learning

强化学习与神经网络的异同

在线学习与离线学习(online learning and offline learning)

内容onlineoffline
理解1一次使用一个数据,一个数据点训练完了直接更新权重一次使用所有数据,一个batch(训练操作)训练完才更新权重
理解2定义一个模型,并在把这个模型放入实际操作中,每一次放入一个数据,不断更新模型,模型每一次训练完都可以直接使用,只是训练次数越多模型肯定越准确模型在训练期间就要使用所有数据,然后才能使用
优点精确
缺点每次更新权重可能导致某些权重不正确,误导之后的训练或使用需要更大的记忆空间
实现方法用一个智能体不断与环境交互,学习如何动作根据已知的数据,利用梯度下降法不断求导,不断逼近0

下面这个链接讲的比较清楚
链接: 机器学习中的在线学习与离线学习.

明确第一点:强化学习是一种在线学习,模型的训练是一个不断交互的过程;神经网络是离线学习,一次性放入大量数据进行计算

强化学习的用途

理论: 如果一个问题可以化简为做出一系列连续的决定,而且这个问题可以提炼出环境状态回报三个要素,就可以使用强化学习找出一个最优策略
实用:

  1. 电玩游戏,AlphaGoZero等
  2. 无人驾驶,换道、超车、加速减速?
  3. 金融贸易,是否购买股票?
  4. 。。。。。。

代码集合

ε贪婪策略

深度强化学习DQL

这篇文章非常详细,下面只取用一部分我需要的内容: 深度强化学习与 Deep Q-Learning(DQN).
DQL伪代码:
在这里插入图片描述

初始化经验存储器D为容量N
用随机权重θ初始化Q函数
用权重θ‘=θ初始化目标Q函数
循环 episode=1,M:
		初始化状态序列S1={x1}和预处理序列ϕ1=ϕ(S1)
		循环 t=1,T:
				智能体根据当前状态ϕt选择动作at(ε原则)
				环境进入下一个状态ϕt+1,给出奖励rt
				在存储器D中存储(ϕt,at,rt,ϕt+1)
				从存储器D中随机选择出样本小批量的(ϕt,at,rt,ϕt+1)
				根据公式计算yj
				对(yj−Q(ϕj,aj,θ))^2使用梯度下降法,训练神经网络 
				每C步重置θ’=θ
  • 2
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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