强化学习之PILCO (一)：引入

最新推荐文章于 2025-10-12 10:33:50 发布

原创

最新推荐文章于 2025-10-12 10:33:50 发布 · 2.2k 阅读

8 ·

CC 4.0 BY-SA版权

文章标签：

#强化学习 #PILCO

本文介绍了强化学习的基本概念，强调了学习效率问题，并探讨了如何利用高斯过程（GPs）降低模型偏差。PILCO算法通过动态模型学习、策略评估和策略改进，解决连续动作空间的RL问题，利用GPs表示环境模型，以提高数据效率。

Introduction

说明

说明

这一系列博客是根据PILCO算法(Probabilistic inference for learning control)的提出者Marc Peter Deisenroth 的书做的笔记和摘要，欢迎交流，有错误请指出。

主要参考书籍和论文,：

Books:
Deisenroth, Marc. (2010). Efficient Reinforcement Learning using Gaussian Processes.
Williams C K I, Rasmussen C E. Gaussian processes for machine learning[M]. Cambridge, MA: MIT Press, 2006.（想深入了解高斯过程在机器学习的应用可参考）

Papers:
Deisenroth M, Rasmussen C E. PILCO: A model-based and data-efficient approach to policy search[C]//Proceedings of the 28th International Conference on machine learning (ICML-11). 2011: 465-472.
M. P. Deisenroth, D. Fox and C. E. Rasmussen, “Gaussian Processes for Data-Efficient Learning in Robotics and Control,” in IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 37, no. 2, pp. 408-423, Feb. 2015.