摘要:
注:本节内容是对Sutton的《Reinforcement Learning:An Introduction》第八章的理解整理~ 这里是第九、十、十一节 启发式搜索 启发式搜索是在搜索过程中加入别的表征量,帮助搜索更加快捷准确,不需要像之前一样全部遍历。 在启发式搜索中,对于每个遇到的状态,都建立一 阅读全文
![强化学习之基于表格型方法的规划和学习(七)-- 启发式搜索、预演算法、蒙特卡罗树搜索](https://img2020.cnblogs.com/blog/2222564/202111/2222564-20211102111140612-1225386168.png)
摘要:
注:本节内容是对Sutton的《Reinforcement Learning:An Introduction》第八章的理解整理~ 这里是第八节 我们在之前提过,规划用通俗的语言来解释就是分析已有的东西,做出在当前条件下最好的选择。然后根据这一尝试继续去分析找到好的策略和动作去执行。 后台规划是一直在 阅读全文
![强化学习之基于表格型方法的规划和学习(六)-- 决策时规划](https://img2020.cnblogs.com/blog/2222564/202111/2222564-20211102110415496-1242885947.png)
摘要:
注:本节内容是对Sutton的《Reinforcement Learning:An Introduction》第八章的理解整理~ 这里是第七节 本节介绍的是轨迹采样的一个特例 实时动态规划 实时动态规划(real-time dynamic programming, RTDP)是动态规划(Dynami 阅读全文
摘要:
注:本节内容是对Sutton的《Reinforcement Learning:An Introduction》第八章的理解整理~ 这里是第六节 第五节主要阐述了两种状态更新过程的优缺点对比,本节主要介绍两种分布式更新过程的算力分配方法:即着重更新哪些状态 一种方法是基于动态规划的经典方法:遍历整个状 阅读全文
摘要:
注:本节内容是对Sutton的《Reinforcement Learning:An Introduction》第八章的理解整理~ 这里是第四、五节 在这一章的脉络中,首先将有模型和无模型的方法联系起来,平衡了真实经验和模拟经验,给出了使用表格型方法求解的基本模型,对环境进行统一。然后讨论了环境发生变 阅读全文