- 博客(2)
- 收藏
- 关注
RSS订阅原创 multi-arm-bandits问题python代码
假设有k=10个摇臂的老虎机，其奖励分布满足高斯正态分布，每个摇臂对应的正态分布的均值与方差分别为： #the real mean value of each ation's reward qa_star = np.array([0.2,-0.3,1.5,0.5,1.2,-1.6,-0.2,-1,1.1,-0.6]) #the vars of each action's reward var_...
2019-03-08 17:00:03
551
原创 我的第一个增强学习代码（敲弱智的）
#假设一个具有9个元素的一维数组，nimo位于第6位（索引从0开始） #下面用增强学习的思想来让agent找到nimo，并输出是第几步找到的nimo，以及获得的奖励 #本例不涉及到对策略的优化，只是采取keci-贪心算法达到搜寻目的，并不是完整的增强学习算法 import numpy as np import random def main(): print ("start lea...
2019-03-07 19:06:35
275
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人