weixin_47304406的博客

马尔可夫决策过程（Markov Decision Process，简称MDP）是一种数学框架，用于建模决策者在不确定性环境中做出决策的过程。

本小节主要介绍DQN的高级技巧，可以大幅提升DQN的表现，主要内容是对TD算法的改进和对DQN结构的改进。

本章介绍REINFORCE with Baseline的搭建以及A2C的搭建。

前六章接触的都是离散的控制，本章学习连续控制。1.Deterministic Policy Gradient 确定策略梯度，是一种Actor-Critic方法。2.可以解决连续控制问题作连续控制的方法有三种：1.离散化，它的缺点是会发生维度灾难2.确定策略网络DPG，它的特点是确定性，没有随机性，对于给定的状态，对应的动作是唯一确定的。3.随机策略网络，它的特点是随机性，给定状态s会输出均值和方差，通过随机抽样得到动作a。

随着人工智能的不断发展，机器学习这门技术也越来越重要，很多人都开启了学习机器学习，本文就介绍了强化学习和深度学习的基础内容。

Fisher-Yates算法是一种获取随机序列的算法。

本章学习蒙特卡洛算法的应用以上就是今天要讲的内容，本文仅仅简单介绍了蒙特卡洛的应用。PS:前两章的内容还没有完善好，后续会放开权限，有意愿了解的，点点关注，后续会更新。

解决办法：升级pip，手动安装swig，安装vs生成工具，修改代码。

深度学习需要用到的框架主要是PyTorch，CUDA和cuDNN，编辑器是Pycharm+Anaconda。以下是安装这些工具的总结。本机环境：windows10+intel显卡·安装CUDA、cuDNN和PyTorch时候必须要注意版本的匹配。·如果使用conda安装PyTorch总不能成功，可以试一下低一个版本的PyTorch或者用pip安装。