强化学习
文章平均质量分 86
鄙人小白,正在学习强化学习,通过本专栏记录自己日常学习心得及体会。
静静^-^
脚踏实地·仰望星空
展开
-
Actor-Critic
Actor-Critic 文章目录Actor-Critic算法思想算法实现参考文章 算法思想 Actor-Critic是一种基于策略和价值的强化学习算法,原来 Actor-Critic 的 Actor 的前生是 Policy Gradients ,这能让它毫不费力地在连续动作中选取合适的动作,,而 Q-learning 做这件事会瘫痪。原来 Actor Critic 中的 Critic 的前生是 Q-learning 或者其他的以值(value)为基础的学习法 , 能进行单步更新,而传统的 Policy原创 2021-09-12 17:35:54 · 398 阅读 · 0 评论 -
深度确定性策略梯度(DDPG)
Deep Deterministic Policy Gradient 文章目录Deep Deterministic Policy Gradient算法思想伪代码算法实现附录参考文献 算法思想 在介绍DDPG之前,先来介绍几个概念:确定性策略是指某个状态执行的动作是一定的;随机性策略是指在某个状态得到的是执行动作的概率,可能执行不同的动作。确定性策略是和随机策略相对而言的,对于某一些动作集合来说,它可能是连续值,或者非常高维的离散值,这样动作的空间维度极大。如果我们使用随机策略,即像DQN一样研究它所有原创 2021-09-05 21:39:54 · 2037 阅读 · 0 评论