浙江建设干部学校网站,北京好的做网站公司,搜索引擎推广有哪些平台,手机下载网页上的视频1 强化学习基础知识
强化学习过程#xff1a;⾸先环境(Env)会给智能体(Agent)⼀个状态(State)#xff0c;智能体接收到环境给的观测值之后会做出⼀个动作(Action)#xff0c;环境接收到智能体给的动作之后会做出⼀系列的反应#xff0c;例如对这个动作给予⼀个奖励(Reward…1 强化学习基础知识
强化学习过程⾸先环境(Env)会给智能体(Agent)⼀个状态(State)智能体接收到环境给的观测值之后会做出⼀个动作(Action)环境接收到智能体给的动作之后会做出⼀系列的反应例如对这个动作给予⼀个奖励(Reward)以及给出⼀个新的状态S。这是⼀个反复与环境进⾏交互不断试错⼜不断进步的过程。
智能体Agent执行任务的角色。 环境Env任务的环境。 状态State角色和环境所处的状态。 动作Action角色在当前状态下做出的动作。 奖励Reward环境根据角色的动作给出的反馈。 回报Return未来奖励Reward的加权累计。 随机策略函数π(a∣s)\pi(a|s)π(a∣s)在状态S下在动作空间随机抽样给出动作a。 动作价值函数Qπ(s∣a)Q_\pi(s|a)Qπ(s∣a)给当前状态S下的动作打分使用Q∗(s∣a)Q_*(s|a)Q∗(s∣a)得出分数最高的动作a。 强化学习分类 1.价值学习Q*(s|a)给状态S下各种动作打分选择价值最大的最优动作a。——Deep Q Network(DQN) 与 Q Learning 与 SARSA 2.策略学习π(a|s)在状态S随机概率抽样给出a。——策略网络Policy Network 3.价值学习策略学习Actor-Critic method 与 Advantage Actor-Critic——AC算法 与 A2C算法 2 价值学习
