强化学习算法复现记录

已于 2024-10-31 18:38:01 修改
阅读量1k 收藏 8
点赞数 4
分类专栏： 强化学习文章 文章标签： 深度学习 pytorch tensorflow2
于 2024-06-21 16:25:27 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/Er_Studying_Bai/article/details/139202693
版权

目录

1.多智能体强化学习

MADDPG tensorflow2版本

文章链接：tensorflow2实现多智能体强化学习算法MADDPG
代码链接：MADDPG-tf2代码链接

MADDPG pytorch版本

文章链接：暂时没有文章
代码链接：MADDPG-torch代码链接

IMAC tensorflow2版本

文章链接：

IMAC pytorch版本

文章链接：

2.单智能体强化学习

DQN pytorch版本

文章链接：使用Pytorch实现强

最低0.47元/天 解锁文章
基于深度强化学习的车道线检测和定位（Deep reinforcement learning based lane detection and localization） 论文解读+代码复现
Wincher's blog
12-17 8468
之前读过这篇论文，导师说要复现，这里记录一下。废话不多说，再重读一下论文。 注：非一字一句翻译。个人理解，略有偏颇。 基于深度强化学习的车道检测和定位 官方源码下载：https://github.com/tuzixini/DQLL 论文原文：https://www.sciencedirect.com/science/article/pii/S0925231220310833 摘要 基于深度学习的车道检测方法只检测带有粗略边框的车道线，而忽略了特定曲线车道的形状。针对上述问题，本文将深度强化学习引入粗车道检测
基于百度飞桨PaddlePaddle和PARL复现PPO强化学习算法
AItrust的博客
07-23 2829
文章目录一、PPO训练效果展示（Mujoco HalfCheetah-v2）二、策略优化算法发展回顾：三、PPO 算法论文阅读1. Introduction2. Background: Policy Optimization2.1 Policy Gradient Methods2.2 Trust Region Methods3. Clipped Surrogate Objective4. Adaptive KL Penalty Coefficient5. Algorithm6. Experiments6.1
Transform2Act（强化学习）代码复现过程
qq_35439685的博客
10-18 1784
Transform2Act（强化学习论文）代码复现全过程
【强化学习环境配置+github 无人机强化学习demo复现】
vor234的博客
12-23 2479
通过本【强化学习环境配置+github demo复现】，您应该能够从零到一入门强化学习啦，也完成无人机的强化学习demo复现。从而实现对外部世界进行感知，充分认识这个有机与无机的环境，科学地合理地进行创作和发挥效益，然后为人类社会发展贡献一点微薄之力。🤣🤣🤣我会持续更新对应专栏博客，非常期待你的三连！！！🎉🎉🎉如果鹏鹏有哪里说的不妥，还请大佬多多评论指教！！！👍👍👍下面有我的🐧🐧🐧群推广，欢迎志同道合的朋友们加入，期待与你的思维碰撞😘😘😘《基于MASAC强化学习算法的多无人机协同路径规划》
复现强化学习DQN
happy_smile_one的博客
07-23 229
强化学习DQN复现
深度强化学习DQN训练Flappy bird源代码
11-10
深度强化学习DQN训练Flappy Bird源代码，可以直接运行FlappyBirdDQN.py使用。
DeepMind 开源TRFL，又一个强化学习复现、创新好帮手
weixin_34356555的博客
10-18 281
雷锋网 AI 科技评论按：继今年 8 月谷歌开源发布了专为学术研究人员设计的简单但鲁棒的强化学习框架「多巴胺」（Dopamine）之后，早已被谷歌母公司收购但保持独立运营的 DeepMind 也把自己日常使用的代码库拿出来开源，继续为领域内的研究人员们提供功能丰富、高可复现性及高可拓展性的实验工具。雷锋网 AI 科技评论介绍如下。 今天 DeepMi...
强化学习算法实现全局路径规划的PyTorch代码详解与复现图集,强化学习算法全局路径规划优化实践：基于PyTorch代码与详尽注释解析,利用常见强化学习算法实现全局路径规划，基于pytorch，只提供
02-12
这些图像详细记录了智能体在学习过程中的路径变化和奖励累积情况，它们是验证强化学习算法有效性的重要工具。通过这些图像，我们可以直观地看到智能体如何从随机探索逐步过渡到学习到最优策略。 本篇内容将从理论和...
离线强化学习——CQL（Conservative Q-Learning）算法
最新发布
Rhett_Butler0922的博客
04-25 938
强化学习（RL）是一种机器学习范式，旨在让**智能体（Agent）通过与环境（Environment）**交互，学习如何采取行动以最大化长期累积奖励（Reward）。试错学习：智能体通过尝试不同行动，观察结果，逐步优化策略。延迟奖励：奖励可能不是立即获得，而是基于长期表现。动态交互：智能体与环境持续交互，行动会影响环境状态。例如，训练一个智能体玩电子游戏（如Atari），智能体观察游戏屏幕（状态），选择动作（如“左移”或“跳跃”），环境返回新屏幕和奖励（如得分）。
tensorflow2实现多智能体强化学习算法MADDPG
Er_Studying_Bai的博客
06-21 1373
使用tensorflow2实现MADDPG算法，包含讲解
强化学习笔记+代码（一）：强化学习背景介绍
u011517132的博客
03-23 6845
本文主要整理和参考了李宏毅的强化学习系列课程和莫烦python的强化学习教程 本系列主要分几个部分进行介绍 强化学习背景介绍 SARSA算法原理和Agent实现 Q-learning算法原理和Agent实现 DQN算法原理和Agent实现 Double-DQN算法原理和Agent实现 Policy Gradients算法原理和Agent实现 A2C、A3C算法原理和Agent实现 一、什么是强...
精通Matplotlib傻瓜教程(一)
neutrino0717的专栏
05-12 256
绘制最简单的年龄身高折线图 plt.plot()是绘制折线图，plt.show()显示图像 from matplotlib import pyplot as plt age = range(7) height = [45, 68, 78, 86, 92, 98, 104] plt.plot(age, height) plt.show() 添加标题和XY轴标签 代码中的箭头是新增的部分, 图中的红圈是新增内容 from matplotlib import pyplot as plt a
强化学习算法复现（六）：DoubleDQN_gym倒立摆
qq_42138927的博客
12-21 1263
建立RL_brain.py import torch import torch.nn as nn import torch.nn.functional as F # 导入torch.nn.functional （激活函数） import numpy as np class Net(nn.Module): # 建立网络 def __init__(self, N_STATES, N_ACTIONS): nn.Module.__init__(self)
【强化学习】 Nature DQN算法与莫烦代码重现（tensorflow)
Sunctam的博客
04-18 6323
DQN,(Deep Q-Learning)是将深度学习与强化学习相结合。在Q-learning中，我们是根据不断更新Q-table中的值来进行训练。但是在数据量比较大的情况下，Q-table是无法容纳所有的数据量，因此提出了DQN。DQN的核心就是把Q-table的更新转化为函数问题，通过拟合一个function来代替Q-table产生Q值。 一、DQN算法原理 强化学习算法可以分为三大类：value based,policy based和actor critic。以DQN为代表的是value base
强化学习6大前沿算法复现 | 乘风破浪，热情不减
百度大脑
08-08 2735
点击左上方蓝字关注我们学习成就梦想，AI遇见未来。作为国内AI行业的重要一员，百度不仅在人工智能的研究应用上做出了巨大贡献，还致力于培养和选拔最具核心竞争力的AI人才。强化学习作为人工智...
强化学习代码实操和讲解（三）
weixin_44512224的博客
08-02 3643
强化学习代码实操和讲解（三）引言杰克租车问题重点代码解析环境设置poisson_probability：泊松概率的计算expected_return：根据给定策略进行策略评估figure_4_2：策略迭代主循环和画图结果与讨论赌徒问题重点代码解析环境设置figure_4_3：价值迭代和绘图结果和讨论总结完整代码杰克租车问题赌徒问题 引言 本章首先介绍了动态规划这一非常重要的工具，用书上总结性的话来说，通过将贝尔曼方程转化成为近似逼近理想价值函数的递归更新公式，我们就得到了DP算法，实际上，动态规划把原问题分
【原创】强化学习精选资料汇总：从入门到精通，看完这些干货就够啦！
深度学习技术前沿
08-27 1205
点击上方，选择星标或置顶，不定期资源大放送！阅读大概需要8分钟Follow小博主，每天更新前沿干货【导读】本文为大家整理了公众号之前发过的一系列强化学习资料和学习手册，包括：强化学习视频...
强化学习经典算法解析+自己复现（1.Reinforce）
qq_51764183的博客
05-31 1332
在强化学习的算法中，有两大类算法，一类是基于策略的，一类是基于价值的，而REINFOCEREINFOCEREINFOCE就是典型的基于策略的算法。 那什么叫作基于策略呢，为什么强化学习又要分成这两种算法呢？简单来说，强化学习的最终目的是让agentagentagent能够获得足够大的rewardrewardreward。那么我们为了让agentagentagent获得最大的rewardrewardreward，我们就要去找到好的策略，因为基于好的策略所选出来的动作是可以得到较大的rewardrewardre
论文结果难复现？本文教你完美实现深度强化学习算法DQN
深度学习世界
11-24 2465
选自arXiv 作者：Melrose Roderick等 机器之心编译 论文的复现一直是很多研究者和开发者关注的重点，近日有研究者详细论述了他们在复现深度 Q 网络所踩过的坑与训练技巧。本论文不仅重点标注了实现过程中的终止条件和优化算法等关键点，同时还讨论了实现的性能改进方案。机器之心简要介绍了该论文，更详细的实现细节请查看原论文。 过去几年
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值