会员
周边
众包
新闻
博问
闪存
赞助商
所有博客
当前博客
我的博客
我的园子
账号设置
简洁模式
...
退出登录
注册
登录
一丨
博客园
首页
新随笔
联系
订阅
管理
2021年10月4日
Q-learning算法及其在囚徒困境问题中的实现
摘要: 一、强化学习 强化学习是一种无教师学习。 理解:系统有学习器和环境两个模块,分时进行学习,在t=i时,向学习器输入xi,选择动作ai可以获得一个ri。此时系统所要选择的是当输入xi时使得ri 最大的动作ai。选择xi的行为便称为策略。 Q-learning算法的优点:不需要对所处的动态环境建模,所以
阅读全文
posted @ 2021-10-04 19:45 一丨
阅读(415)
评论(1)
推荐(0)
编辑
公告