钟鸣的博客

目录一、优先回放二、代码参考全部代码https://github.com/ColinFred/Reinforce_Learning_Pytorch/tree/main/RL/DQN一、优先回放在经验回放中是利用均匀分布采样，而这种方式看上去并不高效，对于智能体而言，这些数据的重要程度并不一样，因此提出优先回放（Prioritized Replay）的方法。优先回放的基本思想就是打破均匀采样，赋予学习效率高的样本以更大的采样权重。一个理想的标准是智能体学习的效率越高，权重越大。符合该标准的一个选择是

目录一、环境二、DQN一、环境查看可用的环境from gym import envsprint(envs.registry.all())ValuesView(├──CartPole: [ v0, v1 ]├──MountainCar: [ v0 ]├──MountainCarContinuous: [ v0 ]├──Pendulum: [ v1 ]├──Acrobot: [ v1 ]├──LunarLander: [ v2 ]├──LunarLanderContinuous: [ v

目录一、Q-learning一、Q-learning关于Q-learning，网上的资料很多，简单的总结一下它的特点。Q-learning最核心的是有一个Q表，它记录了在环境中的 所有状态(s) 以及每个状态对应的 所有行为(a) 的Q值。状态 \ 行为a1a2a3a4s1s2s3……Q值的更新公式如下：...

目录一、选择框架二、认识Gym三、从代码开始一、选择框架RL方面学习框架和平台很多，比较出名的有DeepMind的 Control Suite，OpenAI的 Gym 和 MuJoCo，以及Roboschool、PyBullet等等。模型和算法依赖于后端使用的库有numpy, tensorflow, keras, pytorch等等。作为一个初学者，我选则比较常用的OpenAI的 Gym ...

目录前言强化学习（RL）的基本概念主要算法和相关分类QlearningSarsaA3C强化学习到深度强化学习前言之前通过对AlphaGo Zero的学习，我对深度强化学习有了一定的了解。但是由于没有经过系统的学习，我对其中的知识还有很多不懂的地方。写这一系列文章主要是整理一下网上的资料，梳理这方面的知识，做一下总结。目前网上关于深度强化学习的应用这方向的资料不算多，再加上深度强化学习本身也是一...

mujoco在win7环境下的下载和安装一 安装Microsoft Visual C++ 14.0下载地址: https://964279924.ctfile.com/fs/1445568-239446865这个在安装 scrapy 时候遇到过,很烦人.二 安装mjpro150 win64，下载地址：https://www.roboti.us/index.html把解压好的文件...

AlphaGo Zero思考再三，决定研究一下 AlphaGo Zero，并把 AlphaGo Zero 的思想运用到五子棋 中，毕设就决定做这个。AlphaGo Zero 最大的亮点是：完全没有利用人类知识，就能够获得比之前版本更强大的棋力。主要的做法是:利用蒙特卡洛树搜索建立一个模型提升器在自我对弈过程中，利用提升器指导模型提升，模型提升又进一步提高了提升器的能力。蒙特卡洛树...

前文： AlphaGo Zero详解蒙特卡洛树搜索（MCTS）代码详解【python】代码来自 https://zhuanlan.zhihu.com/p/32089487五子棋版的AlphaZero网络一开始是公共的3层全卷积网络，分别使用32、64和128个 3\times3 的filter，使用ReLu激活函数。然后再分成policy和value两个输出。在policy这一端，先使...