三 算法介绍
3.1 深度优先算法
算法具体步骤:
-
选取图中某一顶点$V_i$为出发点,访问并标记该顶点;
-
以Vi为当前顶点,依次搜索$V_i$的每个邻接点$V_j$,若$V_j$未被访问过,则访问和标记邻接点$V_j$,若$V_j$已被访问过,则搜索$V_i$的下一个邻接点;
-
以$V_j$为当前顶点,重复上一步骤),直到图中和$V_i$有路径相通的顶点都被访问为止;
-
若图中尚有顶点未被访问过(非连通的情况下),则可任取图中的一个未被访问的顶点作为出发点,重复上述过程,直至图中所有顶点都被访问。
时间复杂度:
查找每个顶点的邻接点所需时间为$O(n^2)$,n为顶点数,算法的时间复杂度为$O(n^2)$
3.2 强化学习QLearning算法
Q-Learning 是一个值迭代(Value Iteration)算法。与策略迭代(Policy Iteration)算法不同,值迭代算法会计算每个”状态“或是”状态-动作“的值(Value)或是效用(Utility),然后在执行动作的时候,会设法最大化这个值。 因此,对每个状态值的准确估计,是值迭代算法的核心。通常会考虑最大化动作的长期奖励,即不仅考虑当前动作带来的奖励,还会考虑动作长远的奖励。
3.2.1 Q值计算与迭代
Q-learning 算法将状态(state)和动作(action)构建成一张 Q_table 表来存储 Q 值,Q 表的行代表状态(state),列代表动作(action):
源码和文档都托管在了【WRITE-BUG数字空间】上面了,有需要的可自取~