- 博客(12)
- 收藏
- 关注
RSS订阅
1原创 Q-learning
Q-learningQ-learning也是采用Q表格的方式存储Q值（状态动作价值），决策部分与Sarsa是一样的，采用ε-greedy方式增加探索。Q-learning跟Sarsa不一样的地方是更新Q表格的方式。Sarsa是on-policy的更新方式，先做出动作再更新。Q-learning是off-policy的更新方式，更新learn()时无需获取下一步实际做出的动作next_action，并假设下一步动作是取最大Q值的动作。Q-learning的更新公式为：agent.pyimpor
2021-11-21 11:15:19
1112
原创 Sarsa
Sarsasarsa是强化学习中的一种Model-free的on-policy控制方法，更新公式如下：agent.pyimport numpy as npclass SarsaAgent(object): def __init__(self,obs_n,act_n,learning_rate=0.01,gamma=0.9,e_greed=0.1): self.act_n=act_n #动作维度，有几个动作选择 self.lr=learning_rate #
2021-11-20 15:48:32
1050
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人