摘要：一、动态规划 当问题具有下列两个性质时，通常可以考虑使用动态规划来求解： 一个复杂问题的最优解由数个小问题的最优解构成，可以通过寻找子问题的最优解来得到复杂问题的最优解 子问题在复杂问题内重复出现，使得子问题的解可以被存储起来重复利用 马尔科夫决策过程具有上述两个属性：贝尔曼方程把问题递归为求解子问
阅读全文
摘要：一、概念： DP这个词，指的是一系列的算法，这些算法主要用来解决：当我有了一个可以完美模拟马尔可夫过程的模型之后，如何计算最优policies的问题。注意是policies，表明最优的策略可能不止一个。经典的DP算法在强化学习中的应用受限的原因有两个：一个是强假设满足不了，就是无法保证我能先有一个完
阅读全文
摘要：一、概念 1、finite MDP：如果一个强化学习任务满足马尔科夫性质，那么就可以把这个任务叫做马尔科夫过程。如果状态空间和动作空间是有限的，那么就叫做有限马尔科夫过程，即finite MDP。 2、状态S、动作A、转移概率P、期望价值r、 一个典型的finite MDP 由状态集、动作集和一步内
阅读全文
摘要：视频：David Silver深度强化算法学习 +项目讲解 书籍：reinforcement learning 博客：https://blog.csdn.net/lagrangesk/article/details/80943045 一、强化学习 人类通常从与外界环境的交互中学习。 当我们在开车或者
阅读全文
摘要：看这篇https://blog.csdn.net/qq_16234613/article/details/80268564 1、DQN 原因：在普通的Q-learning中，当状态和动作空间是离散且维数不高时可使用Q-Table储存每个状态动作对的Q值，而当状态和动作空间是高维连续时，使用Q-Tab
阅读全文
摘要：1、Q-learning主要是Q表： 当前状态s1，接下来可以有两个动作选择，看电视a1和学习a2，对于agent人来说，可以根据reward来作出决策（Policy）。目的就是得到奖励最大。 Q-learning的目的就是学习特定state下、特定Action的价值。 Q-learning的方法是
阅读全文
摘要：1、介绍：强化学习是什么？ 假定一个智能体（agent），在一个未知的环境（environment）中处于当前状态（state），采取了一个行动（action），然后收获了一个回报（reward），并进入了下一个状态。最终目的是求解一个策略让agent的回报最大化。 解决实际问题：明天去打球还是学习
阅读全文
