桔梗的眼泪博客

值函数近似 一个state action pair(s,a)(s,a)对应一个值函数Q(s,a)Q(s,a)。理论上对于任意的(s,a)(s,a)我们都可以由公式求出它的值函数，即用一个查询表lookup table来表示值函数。但是当state或action的个数过多时，分别去求每一个值函数会很慢。因此我们用函数近似的方式去估计值函数： ^Q(s,a,w)≈Qπ(s,a)Q^(s,a,w)...

Sarsa 上代码 from maze_env import Maze from RL_brain import SarsaTable def update(): for episode in range(100): # initial observation observation = env.reset() # RL choo...

马儿可夫属性 Markov Property 一个状态St是马尔可夫的，当且仅当： 强化学习个体的主要组成部分 强化学习中的个体可以由以下三个组成部分中的一个或多个组成： 策略 Policy 策略是决定个体行为的机制。是从状态到行为的一个映射，可以是确定性的，也可以是不确定性的。 价值函数 Value Function 是一个未来奖励的预测，用来评价当前状态的好坏程度。当面对两个不同的状态...