强化学习初窥----- open AI

最新推荐文章于 2025-08-07 20:00:00 发布

原创

最新推荐文章于 2025-08-07 20:00:00 发布 · 605 阅读

1 ·

CC 4.0 BY-SA版权

kill yak-shaving

文章标签：

#open AI #Gym #DQN #Q 表

open AI: 马斯克
AGI：通用人工智能
The best way to predict the future is to invent it.

Gym ：强化学习的基本对象：

环境：ENV，问题，状态空间，行动空间，奖励，状态转移模型。
智能体：AI 算法

步骤：

初始化环境：
循环：
    按照策略行动
    环境变化，获取反馈
    学习（更新策略）

https://gym.openai.com/docs/#getting-started-with-gym

GYM 学习伪代码：

    强化学习伪代码：
    游戏的结束：是以失败为指示。
        Env.reset()
        while not don
            action = Agent.policy(Env.state)
            reward, newState,done= Env.step(action)
            Agent.learn(state,action,reward)
            env.render() # 画图
            Save(s,ar,news) to memory
            if train:
                Batch =Memory.sample()//随机取
                QNet.
            state = newState

Q学习：
原始问题：在状态S，采取哪个行动？
采取期望最高的行动
从一张表Q(s,a)中获取
怎么计算Q表？
随机初始化，然后不停尝试，根据会报更新Q表。
所以状态的更新和学习是同步进行的。