强化学习方法汇总
通过理解环境分类
Model-Based 方法,机器人通过过往的经验,理解真实世界的情况并建立一个模型来模拟现实世界。
Model-based 的方法具有想象力,可以通过想象来预判下一步的情况,根据想象中的情况选择最好的一种,根据这种情况来做下一步的策略。
通过基于概率和价值分类
基于价值的选择策略更加铁定,只会选择价值最高的。
基于概率的选择策略能够选择概念比较小的情况。
对于连续的动作,只能选择给予概率的方法。
根据更新回合分类
根据在线和离线分类
离线学习可以通过过往的经历进行学习,但这个经历可以是别人的经历。
可以白天存储玩耍的经历,晚上进行学习。
原视频:
https://www.bilibili.com/video/av16921335?p=2