Chasing的博客

DDPG介绍及其示例Deep Deterministic Policy Gradient是DeepMind团队为Actor-Critic方法打造的升级版本，其实也就是Actor-critic和DQN的融合版本。下面给出示例程序，程序来源自网络。'''torch = 0.41'''import torchimport torch.nn as nnimport torch.nn.functional as Fimport numpy as npimport gymimport time

DQN算法存在过估计问题，可以采用Double DQN方法来进行补偿。两种方法只在下图不同，其他地方一致。下图公式为 q_target 的输出值，DQN:Double DQN:

DQN的学习效果还是很惊艳的，首先放上本次实验的代码。和官方给出的例子一样，是托举平衡杆的问题。给出视频链接：强化学习DQNimport torchimport torch.nn as nnimport torch.nn.functional as Fimport numpy as npfrom torch.autograd import Variableimport gym # 超参数BATCH_SIZE = 32LR = 0.01 # learning rate# 强化学习的参

Q_learning算法首先祭出强化学习中的基础方法Q-Learning，算法流程如下图所示：Q-learning是一个不断摸索，最终找到最优的方法。个人理解是这样的：首先Q表是一个初值都为0 的表，被学习体只能随意摸索。当得到reward之后，乘以学习率 alpha ，更新Q表。这样，在下一次走到这一步的时候，就能够根据maxQ(s’,:)来决定选择，其 gammar可以理解为眼界，gammar取值为0~1，极端的，当gammar为1时，表示可以看到后续多步的结果；当gammar为0的时候，则表示

背景：由于返校的原因，手头的笔记本无法完成在Windows下运行虚拟机的操作，所以选择在Windows下进行一些学习。（不得不吐槽下“微星笔记本”）最近在看“强化学习”有关书籍，其中前几章为基础知识。现做个总结：书中多采用python实例，不可避免的又要和python打交道，于是配置了相关vscode的python环境。电脑本身是装有numpy，和matplotlib包的（忘了什么时候安装的了）首先在vscode中， ctrl+shift+P找到下图所示配置地方添加语句如下所示：{