自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(5)
  • 收藏
  • 关注

原创 强化学习从零到一 05|蒙特卡洛:跑完整趟,用平均回报估价值

不知道环境模型,怎样只靠一个个真的走出来的回合找到最优策略?用四组漫画和八道手算例题,从撒点估算 π 讲起,讲清蒙特卡洛估价值、改估动作价值 Q、蒙特卡洛控制,以及探索性启动和 ε-贪心。

2026-11-15 10:25:44 568

原创 强化学习从零到一 04|动态规划:策略迭代与价值迭代

环境模型已知时,怎样一步步算出最优策略?用四组漫画和七道手算例题,讲清动态规划:先猜再一遍遍改的策略评估、只换一步不会变差的策略改进,以及策略迭代和价值迭代为什么一定能找到最优策略。

2026-11-11 11:38:13 637

原创 强化学习从零到一 03|算法地图:基于模型 vs 不基于模型

知道环境的规则和不知道规则,找最好策略的办法大不一样。用四组漫画和五道手算例题,画一张强化学习的算法地图:策略迭代、价值迭代、向前看几步、蒙特卡洛树搜索怎样用环境模型,没有模型又怎样边走边学。

2026-11-08 11:55:34 463

原创 强化学习从零到一 02|价值函数:从平均回报到贝尔曼方程

同一个格子出发,回报忽高忽低,怎样给格子打分?用四组漫画和九道手算例题,讲清状态价值 V、动作价值 Q、贝尔曼方程和贝尔曼最优方程:把上一篇的平均回报 0.48 精确算出来,再找出走廊里最好的手册。

2026-11-04 11:58:15 527

原创 强化学习从零到一 01|基本概念:从试错到马尔可夫决策过程

扫地机器人没人教,怎样自己找到充电座?用四组漫画和八道手算例题,讲清强化学习的基本概念:智能体与环境、奖励与回报、折扣因子、马尔可夫决策过程和马尔可夫性,以及策略怎样决定平均回报。

2026-11-03 16:21:31 727

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

提示
确定要删除当前文章?
取消 删除