gongchen_的博客

Approximation in Value Space学习笔记：强化学习与最优控制（Chapter 2）Approximation in Value Space2.1 approximation method如我们之前所说，最优控制问题虽然可以用动态规划来解决，但是要求所有状态xkx_kxk​的optimal cost-to-go需要花费很长的时间，所以有着各种各样的approximation方法。2.1 approximation method在动态规划求解最优控制的过程中，有两种估计方法：

学习笔记：强化学习与最优控制（Chapter 0）1. Model-based vs Model-free本章简单介绍一些强化学习中的概念，推荐先看Chapter1了解一下强化学习的一些数学表达式子。1. Model-based vs Model-free一个finite horizon动态规划问题是由以下几个参数定义的：状态xkx_kxk​，控制uku_kuk​，扰动（disturbance）wkw_kwk​及其分布，代价函数gk(xk,uk,wk)g_k(x_k,u_k,w_k)gk​(xk​,

学习笔记：强化学习与最优控制（Chapter 1）1.1 Deterministic Programming1.1.1 Deterministic Problems本博客参考课本Reinforcement Learning and Optimal Control，由Dimitri P. Bertsekas书写1.1 Deterministic Programming1.1.1 Deterministic Problemsfinite horizon problems: 包含有限的决策序列dete