【王树森】深度强化学习(DRL)课程笔记:P2 价值学习

Value-Based RL

【王树森】深度强化学习(DRL)课程笔记:P2 价值学习_第1张图片

试图找出能预测最优action的Q*函数

Deep Q Network(DQN)

【王树森】深度强化学习(DRL)课程笔记:P2 价值学习_第2张图片

Temporal Difference(TD) Learning

Example

【王树森】深度强化学习(DRL)课程笔记:P2 价值学习_第3张图片
如果在只到半路DC能不能更新模型?
【王树森】深度强化学习(DRL)课程笔记:P2 价值学习_第4张图片
TD在这种情况下也可以学习的原因
【王树森】深度强化学习(DRL)课程笔记:P2 价值学习_第5张图片

TD learning for DQN

【王树森】深度强化学习(DRL)课程笔记:P2 价值学习_第6张图片
【王树森】深度强化学习(DRL)课程笔记:P2 价值学习_第7张图片
【王树森】深度强化学习(DRL)课程笔记:P2 价值学习_第8张图片
使用TD Learning 训练 DQN
【王树森】深度强化学习(DRL)课程笔记:P2 价值学习_第9张图片

Summary

【王树森】深度强化学习(DRL)课程笔记:P2 价值学习_第10张图片
【王树森】深度强化学习(DRL)课程笔记:P2 价值学习_第11张图片

你可能感兴趣的:(强化学习,笔记,学习)