强化学习
关注
分享
扫一扫
文章平均质量分 85
海獭我是海獭
这个作者很懒，什么都没留下…
展开
-
强化学习入门【1】：基础概念
参考：ChatGPT(加上个人理解，如有错误，欢迎指正）原创 2024-09-20 11:27:52 · 853 阅读 · 0 评论 -
强化学习入门【2】：策略更新
参考：ChatGPT(加上个人理解，如有错误，欢迎指正指智能体通过基于新的状态和奖励来更新其策略，可以分为和两大类。原创 2024-09-20 11:26:28 · 595 阅读 · 0 评论 -
强化学习入门【3】：一些算法
蒙特卡洛方法主要用于给定策略下，估计每个状态或每个状态-动作对的值函数核心思想是通过大量随机采样来逼近某个期望值或概率分布AWR是一种基于回归的离线强化学习算法，它更像是一种行为克隆（Behavior Cloning）的变体通过优势函数来加权过往的经验，并使用这些加权的经验进行回归来优化策略，而不是通过梯度直接优化策略适合离线强化学习场景，智能体通过已收集的数据进行学习。原创 2024-09-20 11:27:16 · 991 阅读 · 0 评论