- 博客(2)
- 收藏
- 关注
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