摘要：
###1. 连续动作空间VS离散动作空间 【离散动作空间】Q表格、SARSA、on-policy以及off-policy、Q-learing []()https://blog.csdn.net/zbp_12138/article/details/106837306 【连续动作空间】 用神经网络的方法 阅读全文
摘要：
###KL散度（KL-divergence） 直观解释：KL 散度是一种衡量两个分布（比如两条线）之间的匹配程度的方法。 需要解决的问题：已知数据太大，逍遥使用较小的信息表示已知数据。用某种已知分布来表示真实统计数据，这样我们就可以只发送该分布的参数，而无需发送真实统计数据。 KL-divergen 阅读全文
摘要：
###MDP算法 MDP被定义为一个元组(S,A,P,r,R) S:所有状态集合 A:在环境力里面智能体所作动作的集合 P:状态转移函数P(s'|s,a)，智能体在当前s下，执行a之后，转移到是s'的概率 R:奖励函数R(s,a),表示在环境s下执行动作a之后获得的立即奖励，有时候还需要知道s'是多 阅读全文
摘要：
###强化学习基础  的网络安全 **目前关注的方面：** 集中在安全通信、入侵检测、侧通道攻击、GPS欺骗攻击、网络窃听、消息修改/注入等方面，有些侧重于分析现有的安全威胁[20]、[21]，有些提出了他们的攻击方法[14]、[22]，还有一些则更多地侧重于SA 阅读全文
摘要：
###序列决策  **序列决策问题一般用马尔可夫决策模型进行描述** ![](https://img2023.cnb 阅读全文
摘要：
###纯博弈： 单纯的动机组合，离散的集合 ###混合博弈： 加入了概率论，以百分比的概率执行不同的的动机。，概率分布 零和博弈、合作博弈、协同博弈 ###扩展博弈和非完美信息 ###扩展博弈、贝叶斯博弈 ###纳什均衡 任何一位玩家在此策略组合下单方面改变自己的策略（其他玩家策略不变）都不会提高自 阅读全文