weixin_43909872的博客

MDP

接着前面的 ： https://blog.youkuaiyun.com/weixin_43909872/article/details/85728246Policy Iteration前面用动态规划的方式迭代了215次得到了比较好的policy。第215次：[ 0. -13.99989315 -19.99984167 -21.99982282 -13.99989315-17.99986052 -1...

什么是蒙特卡洛方法蒙特卡罗方法又叫做统计模拟方法，它使用随机数(或伪随机数)来解决计算问题。 简单来说就是基于概率，比如下图，基于一个不规则的曲线我们很难去求积分，那么我们可以均匀的往这个方框里去撒豆子，撒上10000个豆子以后我们数下面的豆子就可以知道阴影部分的面积了。为什么用蒙特卡洛方法前面介绍的动态规划方法（https://blog.youkuaiyun.com/weixin_43909...

TD Learning - Temporal Difference Learning前面的蒙特卡洛方法 ：https://blog.youkuaiyun.com/weixin_43909872/article/details/85873569蒙特卡洛方法需要完整的episode去做分析计算，但很多情况下我们无法得到完整的episode链，这时候可以使用TD learning方法，在线时序差分学习。具...