随笔分类 - 强化学习
摘要：概率密度函数 期望（expect） state s action a agent policy Π(a|s) reward r state transition p(s'|s,a) return（cumulative future reward 未来累计回报） discounted return（γ
阅读全文
摘要：Deep Q-Learning 产生和更新Q表在大状态空间环境中可能变得无效 Deep Q-Learning使用了一个神经网络，它获取一个状态，并基于该状态近似每个动作的Q-值，而不是使用Q-表。我们将使用RL Zoo训练它玩太空入侵者和其他雅达利环境，这是一个使用稳定基线的RL训练框架，提供训练脚
阅读全文
摘要：Q-Learning是RL算法： 训练 Q 函数，这是一个操作-值函数，它包含作为内部存储器的 Q 表，其中包含所有状态-操作对值。 给定一个状态和动作，我们的 Q 函数将在其 Q 表中搜索相应的值。 Q-Learning伪代码： step1：初始化Q-Table step2：使用epsilon贪婪
阅读全文
摘要：强化学习流程： 我们的代理从环境接收 — 我们接收游戏的第一帧（环境） State S0 基于代理采取的情况 — 我们的代理将向右移动 S0 action A0 环境走向新的——新的框架 State S0 环境给了代理一些——我们没有死（正面奖励+1）Reward R0 RL 循环输出一系列状态、操
阅读全文
