- 博客(13)
- 收藏
- 关注
RSS订阅原创 每日一题算法——螺旋矩阵
这道题没有用到什么特别的算法，重点在于对于螺旋的分解，每各螺旋分成四个登场的部分，统一区间的开闭（左闭右开）。此外若n为奇数要对中心额外赋值。
2025-04-15 18:54:11
159
原创 每日一题算法——长度最小的子数组
精髓在于：先让这个滑动窗口尾端不断增大，当它大于等于target时，先判断此时与子数组长度是否需要更新，判断完成之后，这时可以将其头部后移。这道题目暴力解法当然是 两个for循环，然后不断的寻找符合条件的子序列，时间复杂度很明显是O(n^2)。后面力扣更新了数据，暴力解法已经超时了。时间复杂度：O(n^2)空间复杂度：O(1)
2025-04-14 10:59:53
272
原创 每日一题算法——有序数组的平方
这个时间复杂度是 O(n + nlogn)， 可以说是O(nlogn)的时间复杂度，但为了和下面双指针法算法时间复杂度有鲜明对比，我记为 O(n + nlog n)。我的题解：双指针（left，right）->拷贝到一个新数组。其它解法：各种排序算法。
2025-04-13 18:09:23
185
原创 每日一题算法——移除元素
slow指向下一个存储数字的位置，fast用来找val，若当前fast==val，跳过。错误点：未注意边界。该解法需要对边界有精确判断，较为复杂。本人解法：使用双端指针。
2025-04-12 21:15:36
172
原创 深度强化学习中的Double-DQN：解决Q值过估计的革新方法
Double-DQN通过解耦动作选择与价值评估，有效缓解了DQN的Q值过估计问题，成为深度强化学习中的基础改进算法。其简洁的实现方式与显著的性能提升，使其成为Atari、机器人控制等任务的首选框架。未来，随着与分布强化学习（Distributional RL）、元学习等技术的结合，Double-DQN有望在更复杂的决策场景中持续发挥核心作用。
2025-03-17 23:32:33
649
原创 深度强化学习——DQN
DQN开创了深度强化学习的新时代，证明了神经网络在复杂决策任务中的潜力。尽管存在计算成本高、训练不稳定等挑战，通过经验回放、目标网络及后续变体改进，DQN已成为DRL的基础框架。未来，结合元学习、多任务迁移、以及更高效的探索策略（如基于熵最大化），DQN有望在自动驾驶、医疗决策等现实场景中发挥更大价值。
2025-03-16 23:28:52
977
原创 强化学习基础篇——规划与学习
规划（Planning）基于环境模型（Model），通过模拟生成状态-动作序列，计算最优策略。典型方法包括动态规划（DP）和蒙特卡洛树搜索（MCTS）。
2025-03-16 11:27:46
851
原创 强化学习基础篇——策略梯度
策略梯度方法通过直接优化参数化策略，克服了值函数方法在连续动作和高维状态空间中的局限性，成为复杂决策任务的首选方案。从基础的REINFORCE到现代的PPO、SAC，策略梯度通过引入优势估计、信任域约束等技术不断提升稳定性与效率。其在机器人控制、游戏AI、自动驾驶等领域的成功应用，验证了其强大的建模能力。未来，随着与深度学习、多任务学习的进一步融合，策略梯度有望在通用人工智能、实时决策系统中发挥更核心的作用。
2025-03-15 20:32:04
1051
原创 强化学习基础篇——值函数近似
值函数近似是强化学习应对大规模状态空间的核心技术，通过参数化函数替代表格存储，实现了从低维到高维、从离散到连续问题的扩展。线性近似提供理论保障，而非线性近似（如神经网络）在实践中展现出强大的潜力。尽管面临收敛性、探索与利用平衡等挑战，通过目标网络、经验回放等技术，值函数近似已在游戏AI、机器人控制等领域取得突破。随着深度学习与强化学习的进一步融合，值函数近似将继续推动通用人工智能的发展，尤其是在复杂环境建模、多任务泛化等方向。
2025-03-14 14:08:58
1170
原创 强化学习基础篇——Q-learning和SARSA
Q-learning 和 SARSA 是强化学习中两种重要的时序差分算法，分别代表了离策略和在策略的学习方法。Q-learning 通过直接学习最优动作价值函数，能够收敛到全局最优策略，但在探索与利用的平衡上可能存在不足。SARSA 则基于当前策略学习动作价值函数，更适合动态环境和需要保守决策的场景。在实际应用中，选择哪种算法取决于具体问题的性质和环境的特点。随着深度强化学习的发展，Q-learning 和 SARSA 的思想也被扩展到更复杂的场景中，例如深度 Q 网络（DQN）和深度 SARSA 算法。
2025-03-13 13:45:08
794
原创 强化学习基础篇-马尔可夫决策过程
马尔可夫决策过程是强化学习的理论基础，提供了一种形式化的方法描述智能体与环境的交互过程。通过定义状态空间、动作空间、转移概率和奖励函数，MDP 能够建模复杂的决策问题。动态规划、蒙特卡罗方法和时序差分学习是求解 MDP 的经典方法，而 MDP 在游戏 AI、机器人控制、资源管理和医疗决策等领域展现了强大的应用潜力。随着深度强化学习的发展，MDP 框架与神经网络结合，进一步扩展了其解决复杂问题的能力。欢迎批评指正！
2025-03-12 23:23:27
614
原创 MADDPG技术分析
传统的单智能体强化学习算法在面临多智能体环境时往往表现欠佳，主要面临环境非稳态、信用分配困难等挑战。随着多智能体系统在智能制造、智慧城市等领域的深化应用，MADDPG及其改进算法将持续推动群体智能决策技术的发展。1. **环境非稳态**：多个智能体同时学习导致环境动态持续变化。3. **维度灾难**：联合状态-动作空间随智能体数量指数级膨胀。2. **信用分配**：难以评估单个智能体对全局奖励的贡献程度。4. **通信约束**：智能体间的信息交互面临带宽和延迟限制。
2025-03-07 16:57:10
272
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人