深度学习 lab16 强化学习笔记(Q-learning sarsa flappy bird)

最新推荐文章于 2024-05-06 21:28:57 发布
最新推荐文章于 2024-05-06 21:28:57 发布
阅读量473 收藏
点赞数
分类专栏： python 文章标签： python RL
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_38699659/article/details/84939925
版权

concept

三个主要概念：状态State，行动action，奖励reward

两种强化学习的方法

1. Policy-Based(policy-gradient):

直接预测在某个环境下应该采取的action
         
适用范围： 更通用，action种类非常多或者又连续取值的action的环境

2. value-Based(Q-learning)

预测某个环境下所有action的期望值(Q 值)， 选取Q值最高的action 执行策略。

适用范围： 只有少量离散取值的action的环境

Q-learning

一次action 更新一次Q表
在这里插入图片描述

算法更新

算完全部action后，走最好的action
在这里插入图片描述

在这里插入图片描述

最低0.47元/天 解锁文章
Gravitychen
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
探索FlappyBird-QLearning-Bot：智能游戏代理的科技魅力
gitblog_00007的博客
04-20 253
探索FlappyBird-QLearning-Bot：智能游戏代理的科技魅力 项目地址:https://gitcode.com/chncyhn/flappybird-qlearning-bot 在当今的AI世界中，机器学习已经不再局限于复杂的科学计算和数据分析，它也开始渗透到我们日常娱乐的方方面面。一个生动的例子便是FlappyBird-QLearning-Bot——这是一个使用强化学习算法让AI...
强化学习之Q-learning和Sarsa
yangyangcome的博客
06-17 792
1）什么是强化学习？   简称RL，理解这一概念结合现实生活中的情况不难理解。这一概念抽象出来分为状态，动作以及奖励。以迷宫为例，状态指的是我当前所处的位置，动作指的是我可以采用何种方式进行移动，当然有的状态中并不能包含所有的动作，因为边界的限制以及各种障碍的限制。   形象一点就是给你安排了一个老师，他只是告诉你具体的分数，你需要根据这些分数做一定的抉择。 2）强化学习的分类   在线学习与离线学习：以人玩耍为例，前者是变更新边玩，本人在场，后者呢，是本人可以不在场，看着别人玩耍。代码中体现的话就是动作的
强化学习玩flappy_bird
最新发布
qq_74722169的博客
05-06 843
游戏地址：https://flappybird.io/该游戏的规则是：点击屏幕则小鸟立即获得向上速度。不点击屏幕则小鸟受重力加速度影响逐渐掉落。小鸟碰到地面会死亡，碰到水管会死亡。（碰到天花板不会死亡）小鸟通过水管会得分。
【强化学习】----训练Flappy Bird小游戏
zijin-jdd的博客
03-22 4438
Flappy Bird游戏需要玩家控制一只小鸟越过管道障碍物。玩家只可以进行“跳跃”或者“不操作”两种操作，即点或不点。点则让小鸟上升一段距离，不点小鸟继续下降。若小鸟碰到障碍物或地面，则游戏失败。如今，深度学习通过组合低层特征形成更加抽象的高层表示属性类别或特征，以发现数据的分布式特征表示，使得机器学习模型可以直接学习概念，如直接从原始图像数据进行物体类别分类。深层卷积神经网络采用平铺分层卷积滤波器层来模拟视野接受域的影响，在处理计算机视觉问题上，如分类和检测问题，获得了很大成功。
Sarsa算法和Q-learning算法
PiggyRuns的博客
06-02 3138
强化学习Sarsa和Q-learning算法，详细流程以及代码实现
强化学习入门4—Q-learning和Sarsa
小菜羊的博客
08-21 1178
本文是强化学习入门系列的第4篇，主要介绍强化学习当中非常常见的两个时序差分算法：Q-learning和Sarsa。
基于Pytorch实现深度强化学习各种算法python源码+算法介绍(DQN、Q-Learning、Sarsa等14种).zip
12-15
基于Pytorch实现深度强化学习各种算法python源码+算法介绍(DQN、Q-Learning、Sarsa等14种).zip基于Pytorch实现深度强化学习各种算法python源码+算法介绍(DQN、Q-Learning、Sarsa等14种).zip 基于Pytorch实现深度强化...
Chapter 6 (Temporal Difference Learning).rar_Q-learning_SARSA Q-
07-14
本章重点介绍了两种常见的强化学习算法：Q-learning和SARSA。这两种算法都基于Temporal Difference（TD）学习，即它们在当前估计的值函数和未来预期的值函数之间进行学习，从而逐步更新策略。 Q-learning是一种离...
强化学习的Q-learning算法和sarsa算法以及结果图
10-18
路径规划问题，有三种环境配置可实现，以下是代码来源，基于此做的实验 https://blog.csdn.net/jacken3/article/details/119803094
Deep-Q-Learning-Deep-SARSA-LunarLander-v2:将深度强化学习算法Deep SARSA和Deep Q-Learning应用于OpenAI Gym的LunarLander-v2
03-19
深度SARSA和深度Q学习-LunarLander-v2 环境 在这个项目中，我试图从OpenAI体育馆解决Lunar Lander环境。这是一个二维环境，其目的是教导登月舱模块安全地着陆在固定在点（0,0）的着陆垫上。该代理具有3个推进器：一...
python编写的Flappybird（附图片和声音资源）
04-22
自己用python编写的Flappybird小游戏，需要安装pygame，包含开始界面，游戏界面，分数板界面和重新开始按钮，最终代码名字为FLAPPY BIRD(with annotation)带有比较全的注释，背景音乐为超级玛丽，在Python下直接F5运行即可。保证CSDN环境绝对不传无效代码。
flappy-bird:Flappy Bird用于人工智能机器学习（可提供代理）
05-03
Flappy Bird（用于人工智能/机器学习） 基于 有代理 Q学习 萨尔萨 Q学习与反向传播相结合 SARSA与反向传播相结合 参考 P.Abbeel，《强化学习讲座视频 ，《加州大学伯克利分校CS188》，第卷，2014年。
Q-learning和Sarsa
lsjmax的博客
10-17 983
Q-learning Q-learning是基于TD(0)TD(0)TD(0)的无模型强化学习算法。其采用的价值函数为动作价值函数Q(s,a)。 主要价值函数迭代公式为： Qπ(st,at)=Qπ(st,at)+α(rt+1+γmaxaQ(st+1,at+1)−Q(st,a))Q_π(s_t,a_t)=Q_π(s_t,a_t)+\alpha(r_{t+1}+γmax_aQ(s_{t+1},a_{t...
强化学习基础篇[2]：SARSA、Q-learning算法简介、应用举例、优缺点分析
丨汀、的博客
06-02 843
【强化学习原理+项目专栏】必看系列：单智能体、多智能体算法原理+项目实战、相关技巧（调参、画图等、趣味项目实现、学术应用项目实现 专栏详细介绍：【强化学习原理+项目专栏】必看系列：单智能体、多智能体算法原理+项目实战、相关技巧（调参、画图等、趣味项目实现、学术应用项目实现对于深度强化学习这块规划为：本专栏主要方便入门同学快速掌握强化学习单智能体|多智能体算法原理+项目实战。后续会持续把深度学习涉及知识原理分析给大家，让大家在项目实操的同时也能知识储备，知其然、知其所以然、知何由以知其所以然。声明：部分项目为
强化学习中Sarsa与Q-learning的区别
yf_programmer的博客
10-08 5678
最近在学习强化学习，Sarsa和Q-learning作为强化学习中较为经典的的方法，两者之间有一定的相似之处，但又有较大的区别，能够很好的区分两种方法对区分on-policy和off-policy，以及之后对强化学习的进一步学习都很有帮助。 先介绍Sarsa和Q-learning共用的探索策略，再说明Sarsa和Q-learning的区别，最后拓展到on-policy和off-policy的区别。 ε-greedy Sarsa和Q-learning在探索时都是用到了ε-greedy的策略。在训练过程中我们既
深度学习入门问答
qq_32851223的博客
07-21 80
Q_Learning 顾名思义就是学习Q表，Q表指的是由状态空间S 和 行动空间A形成的“笛卡尔积”表。对于每个状态s，每个行动a都对应着一个价值导向。其作用就是在和环境交互中学到Q表后对行动决策给予指导。
强化学习：深度Qlearning VS DQN
AGI通用人工智能之禅
04-21 712
1.背景介绍 强化学习是人工智能研究领域的重要分支，它的目标是让智能体（Agent）通过与环境的交互，学习到如何在给定的情境中做出最优的决策。而深度Q学习（Deep Q Learning，简称DQN）是强化学习中的一个重要算法，它结合了深度学习和Q学习，实现了在高维度和连续的状态空间中的决策问题。 2.核心概
强化学习（一）--Sarsa与Q-learning算法
qq_37333048的博客
03-15 2231
强化学习（一）--Sarsa与Q-learning算法1. SARSA算法2. Q-learning算法3. 代码实现3.1主函数3.2训练及测试函数3.3 SarsaAgent类的实现3.3.1 sample函数3.3.2 predict函数3.3.3 learn函数3.4 Q-learning算法的改变 最近实验室有一个项目要用到强化学习，在这开个新坑来记录下强化学习的学习过程。 第一节就先来最简单的基于表格型的RL算法，包括经典的Sarsa和Q-learning算法。 由于时间原因，关于算法的理论知识
Q-learning和SARSA是时序差分强化学习还是蒙特卡洛强化学习
07-20
Q-learning和SARSA都属于时序差分强化学习方法，而不是蒙特卡洛强化学习方法。 时序差分强化学习是一种结合了动态规划和蒙特卡洛方法的强化学习方法。它通过使用经验数据进行增量式的更新，同时利用了当前和未来的...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值