DRL王樹森 Experience Replay

Revisiting DQN and TD Learning

let Q(s,a;w)\approx Q^*(s,a)
通過TD算法訓(xùn)練DQN

TD算法

觀測得到s_t,執(zhí)行a_t,env.返回s_{t+1},r_t
TD target y_t=r_t+\gamma max_a Q(s_{t+1},a;w)
TD erroe \delta_t=q_t-y_t,q_t=Q(s_t,a_t;w)
make q_t close to y_t
L(w)=\frac{1}{T}\sum^T_{t=1}\frac{\delta_t^2}{2}

online gradient descent

Observe s_t,a_t,r_t,s_{t+1}and \delta_t
g_t=\frac{\partial\frac{\delta^2}{2}}{\partial w}=\delta_t\frac{\partial Q(s_t,a_t;w)}{\partial w}
w\leftarrow w-a g_t
Discard (s_t,a_t,r_t,s_{t+1}) after using it.

transition (s_t,a_t,r_t,s_{t+1})

Experience Replay

(s_t,a_t,r_t,s_{t+1})

store recent n transitions in a replay buffer
remove old transition so that the buffer has at most n transitions

TD with Experience Replay

L(w)=\frac{1}{T}\sum_{t=1}^T\frac{\delta^2}{2}
SGD
randomly sample a transition (s_i,a_i,r_i,s_{i+1}) from the buffer.
TD error \delta_i
g_i=\frac{\partial\frac{\delta_i^2}{2}}{\partial w}=\delta_i\frac{\partial Q(s_i,a_i;w)}{\partial w}
w\leftarrow w-\alpha g_i

經(jīng)驗回放是訓(xùn)練DQN的標(biāo)準(zhǔn)技能

改進(jìn):優(yōu)先經(jīng)驗回放 Prioritized Experience Replay

稀缺的經(jīng)驗更重要
If a transition has high TD error |\delta_t|, it will be given high priority

use importance sampling instead of uniform sampling.
p_t\propto |\delta_t|+\varepsilon
p_t\propto\frac{1}{rank(t)}
TD error越大脸侥,transiton被抽樣概率yue

?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末睁枕,一起剝皮案震驚了整個濱河市,隨后出現(xiàn)的幾起案子注簿,更是在濱河造成了極大的恐慌跳仿,老刑警劉巖,帶你破解...
    沈念sama閱讀 219,188評論 6 508
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件妄辩,死亡現(xiàn)場離奇詭異山上,居然都是意外死亡,警方通過查閱死者的電腦和手機佩憾,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 93,464評論 3 395
  • 文/潘曉璐 我一進(jìn)店門妄帘,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人鬼廓,你說我怎么就攤上這事∷樗埃” “怎么了?”我有些...
    開封第一講書人閱讀 165,562評論 0 356
  • 文/不壞的土叔 我叫張陵割择,是天一觀的道長。 經(jīng)常有香客問我荔泳,道長虐杯,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 58,893評論 1 295
  • 正文 為了忘掉前任支子,我火速辦了婚禮达舒,結(jié)果婚禮上,老公的妹妹穿的比我還像新娘昨登。我一直安慰自己,他們只是感情好丰辣,可當(dāng)我...
    茶點故事閱讀 67,917評論 6 392
  • 文/花漫 我一把揭開白布笙什。 她就那樣靜靜地躺著,像睡著了一般琐凭。 火紅的嫁衣襯著肌膚如雪顿仇。 梳的紋絲不亂的頭發(fā)上摆马,一...
    開封第一講書人閱讀 51,708評論 1 305
  • 那天,我揣著相機與錄音述呐,去河邊找鬼蕉毯。 笑死思犁,一個胖子當(dāng)著我的面吹牛进肯,可吹牛的內(nèi)容都是我干的。 我是一名探鬼主播江掩,決...
    沈念sama閱讀 40,430評論 3 420
  • 文/蒼蘭香墨 我猛地睜開眼环形,長吁一口氣:“原來是場噩夢啊……” “哼!你這毒婦竟也來了抬吟?” 一聲冷哼從身側(cè)響起,我...
    開封第一講書人閱讀 39,342評論 0 276
  • 序言:老撾萬榮一對情侶失蹤危队,失蹤者是張志新(化名)和其女友劉穎钙畔,沒想到半個月后,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體盅弛,經(jīng)...
    沈念sama閱讀 45,801評論 1 317
  • 正文 獨居荒郊野嶺守林人離奇死亡叔锐,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點故事閱讀 37,976評論 3 337
  • 正文 我和宋清朗相戀三年愉烙,在試婚紗的時候發(fā)現(xiàn)自己被綠了。 大學(xué)時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片步责。...
    茶點故事閱讀 40,115評論 1 351
  • 序言:一個原本活蹦亂跳的男人離奇死亡,死狀恐怖遂鹊,靈堂內(nèi)的尸體忽然破棺而出蔗包,到底是詐尸還是另有隱情,我是刑警寧澤调限,帶...
    沈念sama閱讀 35,804評論 5 346
  • 正文 年R本政府宣布误澳,位于F島的核電站忆谓,受9級特大地震影響,放射性物質(zhì)發(fā)生泄漏陪毡。R本人自食惡果不足惜勾扭,卻給世界環(huán)境...
    茶點故事閱讀 41,458評論 3 331
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望桅滋。 院中可真熱鬧,春花似錦丐谋、人聲如沸煌珊。這莊子的主人今日做“春日...
    開封第一講書人閱讀 32,008評論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至猪落,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間笨忌,已是汗流浹背俱病。 一陣腳步聲響...
    開封第一講書人閱讀 33,135評論 1 272
  • 我被黑心中介騙來泰國打工, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留亮隙,地道東北人。 一個月前我還...
    沈念sama閱讀 48,365評論 3 373
  • 正文 我出身青樓颖榜,卻偏偏與公主長得像煤裙,于是被迫代替她去往敵國和親。 傳聞我的和親對象是個殘疾皇子硼砰,可洞房花燭夜當(dāng)晚...
    茶點故事閱讀 45,055評論 2 355

推薦閱讀更多精彩內(nèi)容