为学日益,为道日损。——《老子》第四十八章
不知不觉已经将强化学习中的表格型方法主要内容写完了。这可是走过了RL发展的好几十年的历史呢!老子说,为学日益,为道日损。知识应当多多益善,但是如何从形式上的知识转化为自己真正认同的道呢?
{}
介绍了强化学习发展历史,强化学习问题的形式化描述(马尔可夫决策过程、贝尔曼方程)、蒙特卡洛思想和算法、记忆时间差分思想和算法,还通过编程实现了相关算法并解决OpenAI Gym中的一些棋牌游戏和路径规划问题。内容汇总如下:
深度强化学习极简入门(一)——强化学习发展历史简述
深度强化学习极简入门(二)——使用马尔可夫决策过程(MDP)描述强化学习
深度强化学习极简入门(三)——价值函数与贝尔曼方程
深度强化学习极简入门(四)——编程:python与numpy基础
深度强化学习极简入门(五)——强化学习中的蒙特卡洛方法
DRL基础(七)——小结:表格型强化学习
于 2022-05-14 23:56:16 首次发布
本文总结了强化学习中的表格型方法,包括马尔可夫决策过程、贝尔曼方程、蒙特卡洛方法和Sarsa、Q-learning算法。探讨了RL的分类,如单智能体与多智能体、无模型与基于模型、在线与离线等。通过实例介绍了RL的基础知识,并展望了多模态强化学习的潜力。
摘要由CSDN通过智能技术生成