清华大学李升波教授的强化学习Tutorial Lecture

已于 2025-04-18 16:38:42 修改
阅读量289 收藏 5
点赞数 8
文章标签： 算法 深度学习 人工智能
于 2025-04-18 15:32:02 首次发布
本文为博主原创文章，未经博主允许禁止转载。私自转载将追究相关责任。如有问题，欢迎指正。
本文链接：https://blog.csdn.net/m0_72557046/article/details/147333132
版权

清华大学李升波教授的强化学习Tutorial Lecture

在这里插入图片描述
强化学习受生物学习行为启发，同时与最优控制和Trial and Error学习方法有着紧密联系。这份清华大学李升波教授的强化学习Lecture系统介绍了强化学习的基本概念，强化学习最优性条件、策略迭代与值迭代等基础知识。并通过介绍如何使用函数近似来表示值函数和策略，过渡到现代深度强化学习算法的讲解。最后，介绍了强化学习的一个具体落地方向：自动驾驶及课题组在这方面的系列成果，包含系统讲述强化学习的教材及强化学习开源软件GOPS。这份Lecture是开启强化学习之旅的不二选择，欢迎大家前来阅读😄！

看完这份强化学习Lecture，想要更深入更系统的学习强化学习？欢迎参考以下资料：

在这里插入图片描述
请添加图片描述
在这里插入图片描述

StarMelt
关注
清华大学李升波教授强化学习书籍《Reinforcement Learning for Sequential Decision and Optimal Control》读书笔记——U2：强化学习基本概念
m0_72557046的博客
08-04 1092
强化学习基本概念。
清华大学车辆学院李升波|强化学习，让自动驾驶汽车自我进化，越开越好
BAAIBeijing的博客
07-06 2571
2022年北京智源大会自动驾驶论坛，清华大学车辆与运载学院李升波教授分享了题为《混合型强化学习及其高级别自动驾驶应用》的主题报告。该报告主要探讨了如何将强化学习应用于自动驾驶汽车的问题，目标是让自动驾驶汽车具备自我学习、自我进化的能力，即与人类驾驶员的开车学习过程类似，达到越学越好、越开越好的特点。该报告首先介绍了自动驾驶与强化学习结合的必要性，分析了现有强化学习算法的特...
【重磅推荐: 强化学习课程】清华大学李升波老师《强化学习与控制》
深度强化学习实验室：一个“开源开放、共享共进”的强化学习学术组织。
05-14 5083
深度强化学习实验室官网：http://www.neurondance.com/论坛：http://deeprl.neurondance.com/编辑：DeepRL《强化学习与控制》是一门由...
推荐清华大学李升波教授撰写的强化学习英文专著
qq_41174403的博客
11-27 167
以道路交通为例，汽车的智能化变革促使整个行业发生了翻天覆地的变化，包括驾驶辅助、自动驾驶、云控协同等一系列新技术如雨后春笋般涌现，它们在提升地面车辆行驶性能的同时，也为解决交通事故、排放污染、城市拥堵等问题提供了一条可行的途径。第10章介绍深度强化学习（DRL），即以神经网络为载体的RL，包括神经网络的原理与训练，深度化挑战以及DQN、DDPG、TD3、TRPO、PPO、DSAC等典型深度化算法。全书总共包括11章。第5章介绍带模型RL的动态规划法，包括策略迭代、值迭代、通用迭代架构与收敛性证明等。
李升波-《强化学习与控制》-Lecture 11（2023年春季）
ID_Lab_THU的博客
05-08 257
本课程是由清华大学李升波教授主讲的《强化学习与控制》（2023年春季），课程结合自动驾驶汽车的决策控制实例开展教学，培养学生分析被控对象、构造及求解强化学习问题的基本能力。本讲为第11讲，主要介绍介绍RL的各类拾遗，包括POMDP、鲁棒性、多智能体、元学习、逆强化学习以及训练平台等。
李升波-《强化学习与控制》-Lecture 7（2023年春季）
ID_Lab_THU的博客
05-06 138
本课程是由清华大学李升波教授主讲的《强化学习与控制》（2023年春季），课程结合自动驾驶汽车的决策控制实例开展教学，培养学生分析被控对象、构造及求解强化学习问题的基本能力。本讲为第7讲，介绍直接型RL的策略梯度法，包括各类Policy Gradient, 以及如何从优化的观点看待RL等。
李升波-《强化学习与控制》-Lecture 5（2023年春季）
ID_Lab_THU的博客
05-06 159
本课程是由清华大学李升波教授主讲的《强化学习与控制》（2023年春季），课程结合自动驾驶汽车的决策控制实例开展教学，培养学生分析被控对象、构造及求解强化学习问题的基本能力。本讲为第5讲，主要介绍带模型学习的动态规划法，包括策略迭代、值迭代、收敛性原理等。
清华大学李升波教授强化学习书籍《Reinforcement Learning for Sequential Decision and Optimal Control》读书笔记——U5：动态规划（三）
m0_72557046的博客
09-01 1080
原书第五单元DP（动态规划）部分。本部分因为内容太多，因此分成几部分发布。这是第三部分。
李升波-《强化学习与控制》-Lecture 10（2023年春季）
ID_Lab_THU的博客
05-06 109
本课程是由清华大学李升波教授主讲的《强化学习与控制》（2023年春季），课程结合自动驾驶汽车的决策控制实例开展教学，培养学生分析被控对象、构造及求解强化学习问题的基本能力。本讲为第10讲，主要介绍了状态约束的处理手段以及它与可行性之间的关系，讲述了安全保障的基本机制与训练策略。
代码随想录算法训练营Day39
lololo的博客
04-30 1122
力扣213.打家劫舍Ⅱ【medium】 力扣543.二叉树的直径【easy】 力扣124.二叉树种的最大路径和【hard】 力扣337.打家劫舍Ⅲ【medium】
【Torch】MaxPool1d、MaxPool2d、MaxPool3d算法详解
zkw54334的博客
04-29 748
MaxPool1d 就是“挑时间窗口里最强的响应”来下采样——通道（特征）的语义不变，只有时间分辨率被压缩，从而提取局部最显著的时序信息并减少后续计算量。
深入浅出限流算法（二）：更平滑的滑动窗口
m0_73762612的博客
04-28 813
滑动窗口算法是对固定窗口计数器算法的有效改进，通过将时间窗口细分为多个格子并进行滑动统计，显著缓解了临界突变问题，提供了更平滑、更准确的流量控制。虽然它并非完美（仍有一定突发可能，且简单实现存在并发瓶颈），但它在精度和实现复杂度之间取得了较好的平衡，是许多限流场景下的常用选择。
基础排序方法
2301_79976271的博客
04-29 1175
1.基本思想直接插入排序的实现，我们可以参考扑克牌的排序当我们要将新的牌插入现有牌堆时，保证当前手中的牌堆有序，再将新的牌与牌堆中的值进行比较，在进行比较与交换后，现在的牌堆就有序了。2.具体实现我们先进行单趟排序的实现，假设[0,end]的元素有序，这里即设第一个元素为有序的。此时要进行排序的元素为a[end+1]，将该元素依次与现有的有序牌堆进行比较。若当前值小于end处的值，交换。
(leetcode) 力扣100 4.移动零(两种O(n)方法 双指针)
qq_62235017的博客
04-29 264
博主采用的思路很简单，不管原始数组如何，最后得到的数组形式是一样的，前面一串非0数字，最后几个连续的0，那么就不需要考虑交换的逻辑，而是去把数字放到他最后应该存在的位置即可。这道题整体思路简单，但题目提到，不能新建数组，那么目的很明确了，就是要求你在O（1）的空间复杂度和O（n）的时间复杂度完成这道题。整体来说，对于没接触过或不熟悉双指针的人来说，官方题解虽然优雅，但还是具有一定的思维难度，大家多联系即可。给定一个数组 nums，编写一个函数将所有 0 移动到数组的末尾，同时保持非零元素的相对顺序。
Java实现基数排序算法
zhangxueyi的专栏
04-28 713
基数排序是一种高效的非比较排序算法，特别适合对整数和字符串进行排序。它的优点是时间复杂度低，且稳定性好。然而，基数排序的空间复杂度较高，需要额外的存储空间来存储桶。在实际应用中，基数排序通常用于处理大规模数据集或与其他排序算法结合使用，以提高整体性能。
C++ 进阶3-1 练习
yjs20135869的博客
04-30 403
你需要找到一条路径，访问每个城市一次并返回起始城市，使得总路径距离最短。：通过暴力枚举所有可能的城市排列，计算路径长度并找出最短路径。使用暴力枚举的方式，遍历所有的城市排列，找到最短路径。：暴力枚举所有的子集，可以使用递归或迭代的方式。不使用C++ STL中的现成方法来查找答案。子集中的元素可以是原数组中的元素的任意组合。不使用C++ STL中的现成方法来生成排列。，返回数组的所有可能的子集（幂集）。使用暴力枚举的方法，遍历所有可能的。不使用C++ STL中的现成方法。的两个数，并返回它们的下标。
Java 算法入门：从基础概念到实战示例
最新发布
xxjiaz的博客
05-01 379
在计算机科学领域，算法如同魔法咒语，能够将无序的数据转化为有价值的信息。对于 Java 开发者而言，掌握算法不仅是提升编程能力的关键，更是解决复杂问题的核心武器。本文将带领你走进 Java 算法的世界，从基础概念入手，结合具体实例，帮助你快速入门。​。
算法-冒泡排序
2301_81656259的博客
04-30 188
冒泡排序是一种简单的排序算法实现思路是，使较大元素逐渐“浮”到数组末端每次排序将相邻的两个数进行排序，一直到末尾，每次排序时会将整个数列进行一次比较因为每次排序都会将最大的值“浮”至末尾，所以在实现的时候可以将排序次数随着最大值“浮”起的次数依次减少，从而不用每次排序都将每个数都进行排序，减少运行成本。
算法笔记-单调栈
bugreturner的博客
04-28 910
怎么能想到用单调栈呢？什么时候用单调栈呢？通常是一维数组，要寻找任一个元素的右边或者左边第一个比自己大或者小的元素的位置，此时我们就要想到可以用单调栈了。时间复杂度为O(n)。例如：要求某个元素A的右边 第一个比他大的元素，该用什么栈？首先栈的特性在于先进后出，当元素A入栈时，他必然是后出的；再者对于右边比这个元素A小的元素，我们一定需要入栈，因为不入栈，右边更小的元素就丢了。从这里其实就可以判断出，后进的元素一定是更小的元素；
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