强化学习001_基础揭秘

一、强化学习

1、策略函数与策略迭代

2、无模型学习

3、记忆回放

4、Bellman方程

5、策略梯度算法

6、值函数与值迭代

7、动态规划

8、探索与利用

二、Q-Learning and Sarsa

三、Deep Q Network

传统表格，如果表格状态浩如繁星……将状态和动作当成神经网络的输入值

 

四、策略梯度 Policy Gradients

神经网络输出动作，动作发生的概率与神经网络进行反向传播，通过奖惩来限制或者扩大动作发生的概率。

五、Actor Critic 演员评论家

对于连续的动作值进行预测

对于连续的动作值进行预测，更加有效的学习

六、A3C Asynchronous Advantage Actor Critic

平行运行系统，并行运算计算结构

 

未完待续……