winycg的博客

参考链接：Deep Q Network 的简称叫 DQN, 是将 Q learning 的优势 和 Neural networks 结合了. 如果我们使用 tabular Q learning, 对于每一个 state, action 我们都需要存放在一张 q_table 的表中. 如果像显示生活中, 情况可就比那个迷宫的状况复杂多了, 我们有千千万万个 state, 如果将这千万个 state ...

Policy-based将神经网络作为一个Actor，输入是观测observation，表示形式是一个向量或一个矩阵。输出是每个行为对应的概率，类似于分类问题中的判断类别，会对应每个类别有个概率，如下如所示：考虑一个episode τ={s1,a1,r1,s2,a2,r2,...,sT,aT,rT,}\tau=\{s_{1},a_{1}, r_{1},s_{2},a_{2}, r_{2},....

参考链接： OpenAI环境库官网：https://gym.openai.com/envs/ OpenAI环境库github：https://github.com/openai/gym/Classic controlCartPole 环境描述：运载体无摩擦地支撑杆子。 动作：2个动作：施加-1和+1分别对应向左向右推动运载体 状态：4个，x：位置;x_dot：移动速度, th...

参考链接：https://gym.openai.com/envs/   OpenAI gym官网https://github.com/openai/gym#installation  gym安装教程http://blog.csdn.net/cs123951/article/details/77854453  MountainCar原理参考OpenAI gym提供了强化学习时的环境模块，使得我们实现...

参考文献： ES实现强化学习论文-from OpenAI Mirrored Sampling and Sequential Selection for Evolution Strategies https://morvanzhou.github.io/tutorials/machine-learning/evolutionary-algorithm/4-04-evolution-strate...

参考链接：http://blog.csdn.net/itplus/article/details/9361915https://www.zhihu.com/question/26408259/answer/123230350https://morvanzhou.github.io/tutorials/machine-learning/reinforcement-learning/2-2-A-q-l...

教学链接：https://morvanzhou.github.io/tutorials/machine-learning/reinforcement-learning/3-1-A-sarsa/学习该算法之前，需要先了解Q-learning，与之进行比较，Q-learning教程：http://blog.csdn.net/winycg/article/details/79255960比较一下Q-le...

策略网络，即建立一个神经网络模型，通过观察环境状态，直接预测出目前应该执行的策略(Policy)，执行这个策略可以获得最大期望收益。策略网络不只是使用当前的reward作为期望收益，而是使用discounted future reward，即把未来奖励乘上衰减系数γ，γ为略小于1的数，期望收益为r=r1+γr2+γ2r3+⋯+γn−1rnr=r1+γr2+γ2r3+⋯+γn−1rnr=r_{1}+...

参考链接：https://morvanzhou.github.io/tutorials/machine-learning/reinforcement-learning/1-1-A-RL/https://morvanzhou.github.io/tutorials/machine-learning/reinforcement-learning/1-1-B-RL-methods/定义强化学习是一...