马尔科夫决策过程

马尔科夫过程/链:

满足“未来只与现在有关,与过去无关”的随机过程

MRP:

=马尔科夫过程+奖励+折扣因子

计算方法:

  • Bellman矩阵(O(n^3),适合小规模)
  • 动态规划(适合白盒但现实条件下是白盒很少)
  • 蒙特卡洛(基于采样和统计)
  • 时序差分
MDP:

=MRP+“刺激”(对环境而言,刺激就是agent的action)所以MDP就是环境本身

state-value function & action-value function

各自的公式和转化
上述公式很重要❗描述了现在的状态/动作价值函数和未来的关系,以及之间的转化关系。

哦~好像刷新了历史最短篇幅记录,不过 I don’t care,打算在CSDN更新有关笔记,代码放在上github上,明天更的是基于DP的策略迭代和价值迭代(悬崖寻路和冰湖环境)

感觉从头开始快不得,去年的组会至今也有半年了吧,重拾之后再理解确实有些新的体会。打算将theory和codes一起吃透,毕竟最终公式还是要转换为代码的,“纸上得来终觉浅,绝知此事要躬行”嘛。

从头编写环境、动作,然后更新环境…听起来也不是那么轻松哦~

  • 1
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 1
    评论

“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 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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