![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
强化学习
R戎
这个作者很懒,什么都没留下…
展开
-
强化学习概念理解
一、基本理解强化学习是智能体(Agent)以“试错”的 方式进行学习,通过与环境进行交互获得的奖励指导行为,目标是使智能体获得最大的 奖励。所谓强化学习,是指从环境状态到行为映 射的学习,以使系统行为从环境中获得的累积Reward(奖励值)最大。在强化学习中,算法来把外界环境转化为最大化奖励量的方式的动作,算法并没有 直接告诉Agent(行为主体)要做什么或者要采取哪个动作,而是Agent...原创 2019-03-18 22:41:44 · 3006 阅读 · 0 评论 -
强化学习-马尔科夫及Q-learning及python代码实现
马尔科夫决策过程马尔科夫决策过程由5个元素构成:S:表示状态集(states)A:表示一组动作(actions)P:表示状态转移概率.a表示在当前sES状态下,经过aEA作用后,会转移到的其他状态的概率分布情况R:奖励函数(reward function)表示agent采取某个动作后的即时奖励46.2y:折扣系数意味着当下的reward比未来反馈的reward更重要1.智能体初始状...原创 2019-04-12 17:43:52 · 5786 阅读 · 0 评论 -
强化学习方法分类
一、理解环境or感知环境Model-based:先理解真实世界是怎样的,并建立一个模型来模拟现实世界的反馈,通过想象来预判新下来将要发生的所有情况,然后选择这些想象情况中最好的那种,并依据这种情况来采取下一步的策略。Model-free:不依赖环境,不尝试去理解环境,Agent会根据现实环境的反馈采取下一步的动作,一步一步等待真实世界的反馈,再根据反馈采取下一步行动。■例如Q-learnin...原创 2019-04-18 19:58:28 · 982 阅读 · 0 评论 -
David silver 强化学习公开课-第三讲动态规划寻找最优策略
简介 Introduction动态规划算法是解决复杂问题的一个方法,算法通过把复杂问题分解为子问题,通过求解子问题进而得到整个问题的解。在解决子问题的时候,其结果通常需要存储起来被用来解决后续复杂问题。当问题具有下列特性时,通常可以考虑使用动态规划来求解:第一个特性是一个复杂问题的最优解由数个小问题的最优解构成,可以通过寻找子问题的最优解来得到复杂问题的最优解;子问题在复杂问题内重复出现,使得子...原创 2019-05-14 14:29:45 · 1184 阅读 · 0 评论 -
David silver强化学习第四讲-Model-Free Prediction-蒙特卡洛and TD
简介 Introduction通过先前的讲解,我们明白了如何从理论上解决一个已知的MDP:通过动态规划来评估一个给定的策略,并且得到最优价值函数,根据最优价值函数来确定最优策略;也可以直接进行不基于任何策略的状态价值迭代得到最优价值函数和最优策略。从本讲开始将花连续两讲的时间讨论解决一个可以被认为是MDP、但却不掌握MDP具体细节的问题,也就是讲述如何直接从Agent与环境的交互来得得到一个估...原创 2019-05-14 16:35:08 · 544 阅读 · 0 评论 -
强化学习实战一 迭代法实现4*4方格下的随机策略
本篇用代码演示《强化学习》第三讲中的示例——方格世界,即用动态规划算法通过迭代计算来评估4*4方格世界中的一个随机策略。具体问题是这样:已知(如上图):状态空间 S:S_{1} - S_{14}为非终止状态;S_{0} ,S_{15} 终止状态,图中灰色方格所示两个位置;行为空间 A:{n, e, s, w} 对于任何非终止状态可以有向北、东、南、西移动四个行为;转移概率 P:任何试图离...原创 2019-05-14 17:05:35 · 1721 阅读 · 1 评论 -
David silver强化学习第五讲-Sarsa ,Q learning( Model-Free Control)
某种程度上来说,这个课程所有的内容最后都会集中于本讲内容,通过本讲的学习,我们将会学习到如何训练一个Agent,使其能够在完全未知的环境下较好地完成任务,得到尽可能多的奖励。本讲是基础理论部分的最后一讲,本讲以后的内容都是关于实际应用强化学习解决大规模问题的理论和技巧。本讲的技术核心主要基于先前一讲以及更早的一些内容,如果对先前的内容有深刻的理解,那么理解本讲内容将会比较容易。简介 Introd...原创 2019-05-14 22:41:36 · 1151 阅读 · 0 评论 -
David Silver强化学习公开课-第二讲马尔可夫决策过程
一直找不到合适的强化学习视频文档资料,学习的过程中就自己阅读一些英文文献,一些博客,YouTube上看一些公开课,国外的公开课确实不错,但是不是每个学生的英文能力都能看完之后理解的,所以自己把看的视频之后看的博客、知乎专栏等总结出来,方便以后复习,也方便大家一起学习。David silver 课件地址 :David silver 在强化学习中,马尔科夫决策过程(Markov decision ...原创 2019-05-10 23:44:06 · 750 阅读 · 0 评论