wangheng673的博客

Policy Gradient算法pytorch实现策略梯度是典型的on-policy的学习方式, 通过智能体与环境的交互实现自主学习. 其流程大致如下图所示.#mermaid-svg-0QTCGCECBnYroheS .label{font-family:'trebuchet ms', verdana, arial;font-family:var(--mermaid-font-family);fill:#333;color:#333}#mermaid-svg-0QTCGCECBnYroheS .lab

DSR学习笔记及试验主要参考文献： [1] Gershman, Samuel J. "The successor representation: its computational logic and neural substrates."Journal of Neuroscience38.33 (2018): 7193-7200. [2]Kulkarni, Tejas D., et al. "Deep successor reinforcement learning."arX...

像之前我们讨论的大量强化学习方法（DQN, Double DQN, Priorized DQN, Policy Gradient, PPO等等）都是基于model-free的，这也是RL学习的主要优势之一，因为大部分情况下agent所处的环境会非常复杂，很难获得一个model。但是如果我们想学习一个environment模型，或者说是我们已经有一个environment模型，该如何利用这个environment来加快阿agent学习进程？这篇文章就一起探讨下学习处RL的environment模型。文章主要从