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
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。
订阅专栏 解锁全文
扫一扫
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
