本文介绍了强化学习的基础概念，包括策略函数、状态转移、动作价值和状态价值函数。深入讲解了Deep Q-Network（DQN）的基本思想、TD算法和训练过程。同时，探讨了policy-based learning，阐述了策略梯度的求解方法及其训练过程。
参考资料：https://blog.csdn.net/cltcj/category_11195544.html?spm=1001.2014.3001.5482
一、基础概念
agent：例如机器人
action：例如上下左右
state：当前状态
t时刻，我们有st，根据policy（或Q）得到at；t+1时刻获得rt，s+1，再根据policy（或Q）得到at+1
1.1 策略函数和状态转移函数
这两个函数都是概率密度函数，真实的action选择和状态转移是从这个概率中随机抽样。因此，随机性也来源于这两个部分。
1.2 动作价值函数和状态价值函数
Ut:现在是t时刻，还未知t时刻的回报。Ut是t时刻及之后所有回报，与St,At,St+1,At+1,......都有
最低0.47元/天 解锁文章
10万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
