百度PaddlePaddle强化学习七日打卡营

强化学习

• model-based
• model-free（value-based，policy-based）

DQN、DDPG、PG、PPO、ES、TD3、SAC、A2C、IMPALA、MADDPG

Agent的两种学习方案

• value-based
• policy-based(${\pi }_{\theta }(a_t|s_t)$)

PARL

快速搭建并行框架

• 在PARL中，并行仅需一个修饰符（parl.remote_class）

强化学习MDP四元组$<S,A,P,R>$

MDP:马尔科夫决策过程
S:state 状态
A:action 动作
R:reward 奖励
P:probability 状态转移概率

在线学习VS离线学习

Sarsa-learn函数

离散动作VS连续动作

Policy-gradient

DQN

run_episode function

折扣因子$\gamma$