![](https://img-blog.csdnimg.cn/20201014180756913.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
深度强化学习
文章平均质量分 52
Echoooooh
这个作者很懒,什么都没留下…
展开
-
【深度强化学习环境配置】参考链接合集
maddpg 环境配置原创 2022-11-21 21:49:04 · 613 阅读 · 0 评论 -
【多智能体强化学习】
马尔可夫决策过程:单智能体 多状态重复博弈:多智能体 单一状态随即博弈(马尔可夫博弈):多智能体 多状态多智能体强化学习属于随机博弈。原创 2022-11-02 08:54:42 · 1564 阅读 · 1 评论 -
【连续控制问题1】DPG Deterministic Policy Grandient确定策略梯度
DPG是一种Actor-Critic 方法。由一个策略网络和一个价值网络组成策略网络的输入是状态S,输出是一个确定的动作(两个小方块表示自由度为2)。价值网络的输入是动作和状态,输出是一个打分。原创 2022-10-17 21:40:40 · 197 阅读 · 0 评论 -
【策略学习2】REINFORCE with baseline
REINFORCE with baseline原创 2022-10-17 14:55:04 · 477 阅读 · 0 评论 -
【策略学习1】策略梯度中的baseline
策略梯度中的baseline原创 2022-10-17 13:07:23 · 460 阅读 · 0 评论 -
【DQN高级技巧3】Dueling Network
Dueling Network原创 2022-10-17 10:21:04 · 394 阅读 · 0 评论 -
【DQN高级技巧2】DQN高估问题:Target Network和Double DQN
DQN高级技巧:高估问题原创 2022-10-17 00:07:49 · 523 阅读 · 0 评论 -
【DQN高级技巧1】经验回放Experience Replay
DQN高级技巧 经验回放原创 2022-10-16 23:35:27 · 612 阅读 · 0 评论 -
【TD算法】Multi-Step TD Target
多步 TD Target原创 2022-10-16 22:42:58 · 192 阅读 · 0 评论 -
【TD算法】Q-Learning
Q-Learning算法推导原创 2022-10-16 22:34:03 · 133 阅读 · 0 评论 -
【TD算法】Sarsa
Sarsa算法原创 2022-10-16 22:20:02 · 241 阅读 · 0 评论 -
蒙特卡洛算法
蒙特卡洛算法原创 2022-10-16 17:55:43 · 3249 阅读 · 1 评论