强化学习
人间油物丶
人一旦堕落,哪怕只是短短的几年,上帝也会以最快的速度收走你的天赋和力量。
展开
-
Sarsa 对比 Q-Learning
Sarsa 对比 QLlearning 算法 Sarsa 的决策部分和 Q-Learning 一模一样, 因为我们使用的是 Q 表的形式决策, 所以我们会在 Q 表中挑选值较大的动作值施加在环境中来换取奖惩。但是不同的地方在于 Sarsa 的更新方式是不一样的。 从上图中可以看到,Sarsa的Q值更新,直接选取最大潜在奖励的动作,直接执行;而Q-learning 在这一步只是估计了一下接下来的动作值,但是在真正要做决定时, 却不一定会选取到那个带来最大奖励的动作。 从算法上来看,Sarsa属于On-pol原创 2021-03-21 09:37:55 · 351 阅读 · 0 评论 -
强化学习 Q Learning 学习笔记1(莫烦PYTHON)
本篇博文是博主在莫烦PYTHON博客中的学习笔记,不用于任何商业用途,仅用于个人学习交流! Q Learning Q Learning 整体算法如下图: 参数 意义 ϵ−greedy\epsilon-greedyϵ−greedy 用在决策上的一种策略 α\alphaα 学习率(小于1), 用来决定这次的误差有多少是要被学习的 γ\gammaγ 对未来 reward 的衰减值. 比如 ϵ\epsilonϵ = 0.9 时, 说明有90% 的情况会按照 Q 表的最优值选择行为,原创 2021-01-22 22:47:38 · 221 阅读 · 1 评论