- 博客(4)
- 收藏
- 关注
RSS订阅原创 马尔可夫决策过程
因此，得到了右边的MDP。类似地，从下图（称为Q值备份图）可以看出，在状态s时，遵循策略π，采取动作a后，，(s，a)的动作价值函数表示为在该状态下采取动作a后的即时奖励，加上带折扣求和，求和项为：该状态s下，采取动作a后转移到所有可能后续状态s′的转移概率和所有可能后续状态s′的状态价值函数相乘后，累加求和即。其中折扣因子的大小体现了未来奖励对当前时刻价值的权重，换句话说，当其接近于0，比较小的时候，代表智能体趋向于眼前的利益，而当其趋近于1时，代表未来奖励所占的比重越大，智能体偏向于未来长远的考虑。
2023-12-24 11:00:01
833
1
原创 一篇文章搞懂精确一维搜索方法 - 三点等间隔搜索法
注意：在所用的单变量函数优化搜索法中，都要假定，在搜索区间内的目标函数必须是凸函数或凹函数，因为只有这样，才能通过比较函数在两个不同点的值来预测极值点所在的区间，从而舍弃那个不包含极值点的子区间。等间隔搜索法是指：将不定区间进行N等分，得到，加上首尾端点共N+1个点，然后通过比较找到对应函数值最小的那个点，记为,则子区间仍是包含极值点的单谷区间，可能会有人问，为什么这个区间就一定包含极值点呢？答案就是文章开头所强调的————目标函数是凸函数或凹函数的缘故，相关概念可自行百度。
2023-10-16 20:34:45
665
1
原创 一篇文章搞懂正定矩阵
根据百度百科，正定矩阵分为广义和狭义两个定义。（1） 广义定义：设M是n阶方阵，如果对任何非零向量z，都有，其中zT 表示z的转置，就称M为正定矩阵（2）狭义定义：一个n阶的实对称矩阵M是正定的的条件是当且仅当对于所有的非零实系数向量z，都有zTMz> 0。其中zT表示z的专制。（3）对称正定矩阵：，若，,如果对任何非零向量X，都有,则称A为对称正定矩阵。
2023-09-08 16:31:03
1135
1
原创 牛顿法入门
牛顿迭代法（Newton's method）又称为牛顿-拉夫逊（拉弗森）方法（Newton-Raphson method），它是牛顿在17世纪提出的一种在实数域和复数域上近似求解方程的方法。主要是因为多数方程不存在求根公式，因此求精确根非常困难，甚至不可解，从而寻找方程的近似根就显得特别重要。方法使用函数f(x)的泰勒级数的前面几项来寻找方程的根。牛顿迭代法是求方程根的重要方法之一，其最大优点是在方程单根附近具有平方收敛，而且该法还可以用来求方程的、复根，此时，但是可通过一些方法变成。
2023-08-17 21:16:09
291
1
Optimal_Multi-Agent_Persistent_Monitoring_of_the_.pdf
2023-12-27
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人