Tensorflow学习笔记十一——深度强化学习

11.1 基本概念
强化学习问题包含3个主要概念:环境状态(Environment State),动作(Action)和奖惩(Reward)。
11.2深度强化学习的思路

  • 大体上可以认为强化学习原语1956年Bellman提出的动态规划方法
  • 1977年Werbos在此基础上提出了自适应的动态规划方法
  • 1989年Watkins提出了Q(状态-动作值函数)学习算法
  • 1999年Thrum提出了部分可观测马尔科夫决策过程中蒙特卡罗方法
  • 2006年Kocsis提出了置信上限树算法
  • 2014年Sliver等提出了确定性决策梯度算法
  • 2013年Google的Deepmind提出Q-Network,深度Q网络(DQN)。
  • 2015年出现的AlphaGo将策略网路(Policy Network),估值网络(Value NetWork[DQN])与蒙特卡罗搜索树(Monte Carlo Tree Search)结合起来,实现了超高水平的围棋对战程序。
  • 出来DQN算法外,DeepMind还提出了A3C(Asynchronous Advantage Actor Critic)和UNREAL(Unsupervised Reinforcement and Auxiliary Learning)两大深度强化学习算法。
    11.3 Q学习与深度Q网络

你可能感兴趣的:(笔记)