strawberry47的博客

期刊：applied science MDPI总结：使用VGG进行特征提取，再使用DQN进行决策。论文质量较低，缺乏很多重要内容，如：环境搭建、数据集介绍、action和state的相关描述，还有很多typo；而且论文中并未体现出多机器人的思想。论文模型图非常简单，画了跟没画似的。。。和常见的强化学习交互图一样。用到了CNN来处理像素信息（应该后续会作为state），但文中并未说明图像信息来源：reward设置：离目标近，reward +0.2；碰撞，reward -20；到达目标点，reward

本文中Multi-Robot System (MRS) 并不局限于机器人，指代的是UAV和UGV要求：安全到达指定地点，尽量选择短距离、短时间介绍了无人机和自动驾驶：（综述的名字明明是trajectory planning，但是文中全在讲path planning）将环境分解为多个网格，获取环境表示，需要识别哪些地方是起始点、障碍。相当于一张无向图啦那么，问题就变成 找到一条从初始节点到终止节点的路径迪杰斯特拉(Dijkstra)算法是典型最短路径算法，用于计算一个节点到其他节点的最短路径。 它的主要

参考博客：多智能体强化学习算法【二】【MADDPG、QMIX、MAPPO】超级经典，是基于DDPG算法改进的通过“集中式训练分布式执行”的思路，计算出每个智能体的最优策略。Counterfactual Multi-Agent Policy Gradients：解决了合作式的MARL中，如何为各个agent分配奖励的问题。设置一个反事实基线（counterfactual baseline），将action与默认action的reward比较，若更高则说明做出了贡献。对比：多智能体强化学习(二) MAPPO算

这是一篇智慧交通领域的综述，侧重于讲解用强化学习解决交通信号灯管控 RL+TSC ；Traffic Signal Control ：交通信号灯管控，这部分还介绍了很多RL的基本概念，目标网络、经验回放等等，都是强化学习领域的常见知识点，可以看我其他笔记~交通信号灯管控：state：队伍长度、车辆位置、车辆速度目标：最小化十字路口的堵塞一般是十字路口，需要考虑不同方向和持续时长；四种绿灯阶段： North-South Green (NSG)南北方向通行, East-West Green (EWG

文章目录get_args() 解析参数load_mat()加载矩阵gym.make(args.env) 创建环境load_dataset_kuaishou() 加载数据集负采样构建dataset类论文简介：目前几乎所有的推荐的策略都面临着“越推越窄”和信息茧房（filter bubble）问题，这对于商业公司与用户来说是双输的局面。本文在快手App的交互式推荐数据中证实了信息茧房中过曝光效应带来的负影响，并首次将因果推断技术用于动态的交互式推荐中，最终学习一个能够避免信息茧房产生的推荐策略。先运行CIR

在github下载代码解压后，可以看见目录如下data目录存放的是数据集，可以根据需要替换成自己的数据集。src目录就是所有代码啦看代码前我们先看看readme文件，如果某个代码中有Readme一定要先看看哦，里面通常包括了整个项目的简单介绍，包括一些参数设置。其README文件和解释如下：In run_time_tools.py, mf_with_bias() is to gain embeddings of items by utilizing the PMF model; cluste

目录IntroductionMethodsTree-structured Policy Gradient Recommendation Intuition for TPGRBalanced Hierarchical Clustering over ItemsArchitecture of TPGRState RepresentationExperiments and Results结果：Time ComparisonInfluence of Clustering Approach & Tree De

这是2021预发表的一篇强化用在推荐系统的综述，文中介绍了RLRSs的分类以及多种算法，非常全面。本篇文章只是一个简单的总结，要想详细了解相关知识还是去看看原文吧~1 introduction用于解决推荐问题的方法：collaborative filtering（协同过滤）, content-based filtering（基于内容）, and hybrid methods（混合） 上述方法存在的问题：cold start（冷启动）, serendipity（惊喜度）, scalability