強(qiáng)化學(xué)習(xí)基礎(chǔ)篇（三十五）探索與利用（Exploration and Exploitation） 1、探索與利用簡(jiǎn)介 在強(qiáng)化學(xué)習(xí)中增热，探索（Expl...

強(qiáng)化學(xué)習(xí)基礎(chǔ)篇（三十四）基于模擬的搜索算法 上一篇Dyna算法是基于真實(shí)經(jīng)驗(yàn)數(shù)據(jù)和模擬經(jīng)驗(yàn)數(shù)據(jù)來(lái)解決馬爾科夫決策過(guò)程的問(wèn)題整以。本篇將結(jié)合前向搜索和...

強(qiáng)化學(xué)習(xí)基礎(chǔ)篇（三十三）Dyna算法 1、使用模型進(jìn)行規(guī)劃 基于模型的強(qiáng)化學(xué)習(xí)算法的主要成分可以分為學(xué)習(xí)（Learning）和規(guī)劃（Planni...

強(qiáng)化學(xué)習(xí)基礎(chǔ)篇（三十二）基于模型的強(qiáng)化學(xué)習(xí)算法 在策略梯度算法中峻仇，智能體是直接從經(jīng)驗(yàn)中去學(xué)習(xí)策略公黑。之前value-based的方法中，智能體是直...

強(qiáng)化學(xué)習(xí)基礎(chǔ)篇（三十一）策略梯度(3)Actor-Critic算法 1.引入Baseline 在使用策略梯度方法更新過(guò)程中，降低方差的另一種方法...

強(qiáng)化學(xué)習(xí)基礎(chǔ)篇（三十）策略梯度(二)MC策略梯度算法 1凡蚜、Score Function 假設(shè)策略是可微分的人断，并且在任何時(shí)候都不為0，我們可以使用...

強(qiáng)化學(xué)習(xí)基礎(chǔ)篇（二十九）策略梯度(一) 之前我們一直都是對(duì)價(jià)值函數(shù)或者動(dòng)作值函數(shù)進(jìn)行參數(shù)化近似：其中策略是間接得通過(guò)值函數(shù)進(jìn)行貪婪策略產(chǎn)生朝蜘，但本...