强化学习学习总结（一）——Qlearning

最新推荐文章于 2023-07-15 10:04:44 发布
最新推荐文章于 2023-07-15 10:04:44 发布
阅读量1.4k 收藏 4
点赞数
分类专栏： 强化学习 文章标签： QLearning 强化学习
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/Raoodududu/article/details/82890690
版权

一、Qlearning算法思想构架

二、Qlearing算法程序实现 

1.导入

import numpy as np
import pandas as pd
import time

2.给定初始值

N_STATES = 6                    # 总长度the length of the 1 dimensional world
ACTIONS = ['left', 'right']     # Q表格的行为available actions
EPSILON = 0.9                   # 贪婪率greedy police
ALPHA = 0.1                     # 学习率learning rate
GAMMA = 0.9                     # 最大Q(s')的衰减率→Q表现实值 discount factor
MAX_EPISODES = 6                # 最大循环数maximum episodes
FRESH_TIME = 0.3                # 更新时间fresh ti
最低0.47元/天 解锁文章
Raoodududu
关注
  • 0
    点赞
  • 踩
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
深度 Qlearning：学习率与折扣因子选择
AGI通用人工智能之禅
05-07 68
1.背景介绍 深度 Q-learning 是一种结合了深度学习和 Q-learning 的强化学习算法。这种算法在许多领域，包括游戏、机器人技术和自动驾驶等，都有广泛的应用。然而，尽管深度 Q-learning 显著提高了强化学习的性能，但是，在实际应用中如何正确选择学习率和折扣因子仍然是一个具有挑战性的问题。
深度强化学习——DQN
02-24
本文来自于csdn，本文章主要介绍了深度学习与强化学习结合起来从而实现从感知（Perception）到动作（Action）的端对端（End-to-end）学习的一种全新的算法。原因：在普通的Q-learning中，当状态和动作空间是离散且维...
Q学习——动作选择
weixinSS的博客
10-25 516
在Q-Learning中采用的动作选择方法一般为贪婪策略，其原理为以一定的概率在随机选择与当前最大值中选择策略来决定需采取的动作。
强化学习Q-Learning算法及实现详解
rayylee
10-14 5314
本教程通过一个简单但全面的示例介绍Q-learning的概念。 该示例描述了一个使用无监督学习的过程。 假设我们在一个建筑物中有5个房间，这些房间由门相连，如下图所示。 我们将每个房间编号为0到4。建筑物的外部可以视为一个大房间（5）。 请注意，1号和4号门从5号房间（外部）通向建筑物。 我们可以在图表上表示房间，每个房间作为节点，每个门作为链接。 对于此示例，我们想在任何房间中放置一个门，然后从该房间进入建筑物外（这将是我们的目标房间）。换句话说，目标房间是5号。要将此房间设置为目标，我们会将奖励值关
强化学习之Q-learning
mengdeer_Q的博客
02-24 848
以一个例子简单介绍了Q-learing的方法
Q-Learning
Explore_OuO的博客
04-07 670
Agent在探索中寻找最优策略的过程包括两部分： 它在面对State的时候选择哪个Action去行动(选择的依据跟价值函数有关)，这叫做行为策略。 如何使用新得到的经验去更新价值函数，这叫做优化策略(注意这是个名词)。 Q-Learning使用 ε\varepsilonε-贪婪法作为行为策略，使用贪婪法作为优化策略来更新Q表。 Q-Learning算法概述 Q-Learning算法的拓扑图如下，白色远点表示状态，黑色圆点表示状态-行为对(即在状态下执行动作) 如上图，先基于状态StS_tSt​，用 ε
强化学习第5章——不基于模型的控制
m0_48941999的博客
11-02 345
五、不基于模型的控制 学习方式： On-policy learning: 个体已有一个策略指导agent的行为，然后根据得到的一系列奖励或者（状态/行为）价值优化这个策略，更新价值函数，最终得到一个相比原来更优的策略。由于要优化的策略就是当前遵循的策略，所以叫“现时策略学习”。 Off-policy learning：虽然个体已经有一个策略指导行为，但是个体是通过观察其他的策略进行学习（从别人的经验中学习），然后优化自己的策略。这类学习方式是根据已有的策略学习，所以叫“离线策略学习” On-policy l
强化学习简介——介绍强化学习的应用及理论.pptx
06-03
强化学习简介——介绍强化学习的应用及理论 包含视频
强化学习的Q(λ）学习原理资料
最新发布
03-27
Peng & Williams，1996）是一种重要的强化学习（RL）方法。它结合了 Q-learning（Watkins，1989；Watkins & Dayan，1992）和 TD(λ)（萨顿，1988；Tesauro，1992）。 Q(λ) 被广泛使用——人们普遍认为它优于简单的...
强化学习DQN笔记.md
08-21
随后，文章深入介绍了基于深度学习的强化学习算法——Deep Q-Networks（DQN）以及其运作原理。此外，文章提及了AlphaGo作为一个成功的强化学习应用案例，通过自我对弈学习来战胜围棋顶尖选手。最后，文章给出了一个...
强化学习中的两种探索-平衡策略
xw1193195009的博客
02-23 4181
强化学习中的两种探索-平衡策略 ε-greedy方法 UCB（Upper Confidence Bound）方法 为了解决强化学习中的一个经典问题：exploration and exploitation tradeoff 即：到底我们应该花精力去探索从而对收益有更精确的估计，还是应该按照目前拥有的信息，选择最大收益期望的行为？ 这样看上去可能不好理解，一个小例子帮助理解: 假如你想在淘宝上买一本书，你一输入书的名字就看到，第一个链接的价格为10元，第二个链接为9.9元，第三个为11元，此时你有两
剖析强化学习 - 第六部分
wilbertzhou的专栏
05-03 3091
作者：Massimiliano Patacchiola 你好！欢迎来到“解剖强化学习”系列的第六部分。到现在我们已经了解了强化学习如何工作。然而，我们将大部分技术应用于机器人清洁示例，我决定采用这种方法的原因，是因为我认为应用于不同技术的同一个例子，可以帮助读者更好地理解从一种场景到另一种场景的变化。现在是将这些知识应用于其他问题的时候了。在下面的每一节中，我将介绍一个强化学习问题，并且将向您展...
ChatGPT 拓展资料：强化学习-贪婪算法
段智华的博客
03-12 476
在每次玩老虎机时，贪婪算法会选择当前估值函数中最高的位置来拉动手柄，以期获得最大的奖励。需要注意的是，贪婪算法有时会陷入局部最优解，也就是说，在某些情况下，它可能会忽略一些可能带来更高奖励的动作。为了解决这个问题，可以使用一些更高级的强化学习算法 ，这些算法可以在一定程度上平衡探索和利用的关系，从而更好地解决老虎机游戏中的问题。在老虎机游戏中，每次玩家拉动手柄都会随机产生一组数字，然后根据这些数字来决定玩家是否获胜，如果获胜则会获得一定数量的奖励。强化学习中关于贪婪算法在老虎机游戏中的应用。
学习率的理解以及如何调整学习率
libroovu的博客
04-28 4179
当攻击块在竞争中失败，他会由于完美的连接(就是分叉)而立即被诚实节点引用。攻击者就不会引用诚实的块，这种uncle block的选择偏好进一步方法了不诚实的奖励。
深度强化学习落地方法论训练篇：PPO、DQN、DDPG、学习率、折扣因子等
丨汀、的博客
07-15 3181
深度强化学习落地方法论训练篇：PPO、DQN、DDPG、学习率、折扣因子等
强化学习（二）：贪心策略（ε-greedy & UCB）
热门推荐
夏栀的博客
03-10 4万+
强化学习（二）：贪心策略（ε-greedy & UCB） 夏栀的博客——王嘉宁的个人网站 正式上线，欢迎访问和关注：http://www.wjn1996.cn   强化学习是当前人工智能比较火爆的研究内容，作为机器学习的一大分支，强化学习主要目标是让智能体学习如何在给定的一个环境状态下做出合适的决策。强化学习相关概念请点击：强化学习（一）：概述   强化学习任务中有两个非常重要的概念—...
【机器学习】（八）强化学习的基本概念、e贪心算法、Softmax算法
超级超级小天才的博客
01-12 5382
强化学习（reinforcement learning，RL）是机器学习的一个领域，主要通过在环境（environment）中采取动作（action），来最大化某些指标，例如累计奖赏（cumulative reward）的一种学习方法。强化学习、有监督学习（supervised learning）与无监督学习（unsupervised learning）三者共同构成了机器学习的三个重要方面 Re...
【机器学习】Reinforcement Learning-强化学习学习笔记
长相忆兮长相忆的专栏
01-28 3576
强化学习（Reinforcement Learning, RL），又称增强学习，是机器学习的范式和方法论之一，用于描述和解决智能体（agent）在与环境的交互过程中通过学习策略以达成回报最大化或实现特定目标的问题。...
强化学习qlearning
07-27
总结来说，强化学习是一种通过与环境交互获得奖赏指导行为的学习方法，而Q-Learning是强化学习中的一种主要算法，用于记录行为值并寻找最优策略。 #### 引用[.reference_title] - *1* *3* [强化学习--QLearning]...

“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

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