多智能体强化学习MARL

深度强化学习（一）常识性普及

文章目录机器学习、强化学习、深度学习的侧重点强化学习的简介强化学习的主要特征强化学习和机器学习的关系强化学习的发展历史深度强化学习一些参考的资料：蘑菇书：https://datawhalechina.github.io
@@老胡·2023-09-28 12:49

【伤寒强化学习训练】打卡第五十九天 一期90天

6.2.1真武汤概述一，预防中暑，觉得头昏、冒冷汗、想吐、发烧先吃一点生脉散；1）竹叶石膏汤：寸口脉弱，口渴，汗出，当中暑人很虚的时候，用竹叶石膏汤；2）白虎加人参汤：恶寒，有出汗，有发烧，就用到白虎加人参汤；3）六一散：滑石跟甘草两味药做成的科学中药；用一些清热的药把身体受到的热气带走，六一散用滑石，经方里面用石膏；白虎加人参汤的症状跟竹叶石膏汤不同之处多了一点怕冷的感觉；人中暑气就会虚，治中暑
A卐炏澬焚·2023-09-28 01:15

美国OpenAI公司开发的机器学习系统-Hide and Seek（捉迷藏）游戏系统课程报告

目录1.实验目的2.OpenAI基本工作原理2.1强化学习的基本原理2.2OpenAI捉迷藏系统的工作原理2.2.1OpenAI捉迷藏系统简介2.2.2OpenAI研究捉迷藏系统的动机2.2.3OpenAI
小邓在森林·2023-09-27 13:16

强化学习理论基础（MDP、值函数与贝尔曼公式以及表格式Agent）

强化学习理论基础（MDP、值函数与贝尔曼公式以及表格式Agent）前言一、MDP策略与环境模型二、值函数与贝尔曼公式1.值函数2.贝尔曼公式三、表格式Agent1.概念介绍2.代码实现总结前言强化学习是智能体
tzr0725·2023-09-27 09:32

深度强化学习——概念及算法总结

深度强化学习深度强化学习相关大佬帖子总结学习，附原链接深度强化学习——从DQN到DDPG深度强化学习——从DQN到DDPG强化学习智能体在完成某项任务时，如上图所示，首先通过动作A与周围环境进行交互，在动作
异次元的鱼·2023-09-27 06:42

机器学习笔记 - Deep Q-Learning算法概览

一、Q-Learning强化学习大致可以分为两类：无模型强化学习算法和基于模型的强化学习算法。无模型强化学习算法不会学习环境转换函数的模型来预测未来状态和奖励。
坐望云起·2023-09-27 06:30

基于深度强化学习算法的无人机智能规避决策

“人工智能技术与咨询”发布摘要为提升无人机在复杂空战场景中的存活率,基于公开无人机空战博弈仿真平台,使用强化学习方法生成机动策略,以深度双Q网络(doubledeepQ-network,DDQN)和深度确定性策略梯度
龙腾亚太·2023-09-27 04:23

【强化学习】03 ——马尔可夫决策过程

文章目录1.马尔科夫决策过程(MarkovDecisionProcess，MDP)1.1.马尔科夫性质1.2.状态转移矩阵1.3.马尔可夫过程1.3.1.一个简单的例子2.马尔可夫奖励过程2.1.回报2.2.价值函数3.马尔科夫决策过程3.1.MDP五元组3.2.策略3.3.价值函数3.3.1.状态价值函数3.3.2.动作价值函数3.4.贝尔曼期望方程3.5.最优策略3.5.1.贝尔曼最优方程3.
yuan〇·2023-09-27 01:52

基于深度强化学习的柔性作业车间动态调度（有代码）

代码重大孙爱红的知乎账号论文链接文献来源：InternationalJournalofProductionResearch（2022）南洋理工大学（IJPR/2022）Fullarticle:Deepreinforcementlearningfordynamicschedulingofaflexiblejobshop(tandfonline.com)1摘要在追求敏捷和灵活的生产调度方面，处理不可预
喝凉白开都长肉的大胖子·2023-09-26 23:09

基于深度强化学习算法的无人机智能规避决策

源自：系统工程与电子技术作者：吴冯国陶伟李辉张建伟郑成辰.摘要为提升无人机在复杂空战场景中的存活率,基于公开无人机空战博弈仿真平台,使用强化学习方法生成机动策略,以深度双Q网络(doubledeepQ-network
renhongxia1·2023-09-26 19:31

[AI Agent学习] MetaGPT源码浅析

基本目标MetaGPT是一个多智能体框架，他抽象了一个软件公司中的主要角色，用不同的AIAgent去扮演，这些AIAgent包括产品经理、软件架构师、项目经理、工程师，这些AIAgent会按照开发团队设计好的
懒编程-二两·2023-09-26 12:24

深度学习技巧应用28-强化学习的原理介绍与运用技巧实践

大家好，我是微学AI，今天给大家介绍一下深度学习技巧应用28-强化学习的原理介绍与运用技巧实践，强化学习是一种机器学习的子领域，它使得一个智能体在与环境的交互中学习如何行动以最大化某种数值奖励信号。
微学AI·2023-09-26 10:28

2022-01-05

做好每日丰盛和集中学习，开展外出学习和暑期培训，不断经历能力提高和思想升华，逐步进入深化提升重要阶段，全体学员始终牢记全面提升党性修养，全面提升境界格局，全面提升创新能力，全面提升协作精神，全面提升责任担当的要求，强化学习
龢光同塵·2023-09-26 00:59

论文精读（2）—基于稀疏奖励强化学习的机械臂运动规划算法设计与实现(内含实现机器人控制的方法)

目录1.作者提出的问题及解决方向2.延深-用如何用强化学习对机器人进行控制2.1思路2.2DQN和DDPG在机器人控制中的应用3.解决方案3.1思路3.2实验3.3创新点4.展望1.作者提出的问题及解决方向目的
笑傲江湖2023·2023-09-25 11:46

必读论文|20篇强化学习研究必读论文速递

强化学习是机器学习中的一个领域，强调如何基于环境而行动，以取得最大化的预期利益。
学术头条·2023-09-25 07:00

机器学习笔记 - 通过人工干预实现安全强化学习的思路

1、人类干预强化学习深度强化学习在一些棋类游戏、视频游戏以及现实3D环境中的导航和控制任务方面取得了惊人的进展。这些成就是在模拟环境中实现的。深度强化学习能否将这一成功转化为现实世界的任务？
坐望云起·2023-09-25 06:03

高性能计算环境下的深度学习异构集群建设与优化实践

★深度学习；模式识别；图像处理；人工智能建模；人工智能；深度学习算法；强化学习；神经网络；卷积神经网络；人工神经网络；VIBE算法；控制系统仿真；机器学习；高性能计算；数据挖掘；超算；ACL；算力；计算机视觉
·2023-09-24 23:56

机器学习之监督学习，无监督学习，强化学习相关概念

文章目录1.监督学习（SupervisedLearning）2.无监督学习（UnsupervisedLearning）3.强化学习（ReinforcementLearning）总结机器学习可以按照模型使用情况分为三大类
JNU freshman·2023-09-24 18:28

强化学习应用到模型压缩

本文介绍几篇自动化模型压缩相关论文的主要思想，包括网络结构搜索及自动化模型压缩压缩一、强化学习基本思想回顾（一）、简介强化学习是一种无监督学习方法，数据集不存在标注信息。
加油11dd23·2023-09-24 17:50

docker中安装ROS 在宇树四足机器人运行 强化学习GenLoco算法

文章目录前言Docker安装Docker中安装Ros使用宇树的RostoReal控制机器人使用GenLoco强化学习方法部署GenLoco模型到宇树真机Aliengo问题总结小结前言本文使用Aliengo
勇气的动力·2023-09-24 13:58

Win10环境下使用WSL安装OpenAI/gym +TensorFlow用强化学习DQN打砖块(Breakout Game)

实现目标我们的目标是在Windows10系统上具体实现DeepMind论文中强化学习算法Q-learningNetwork(DQN)的训练过程。
小鹅鹅·2023-09-24 10:53

有监督学习、无监督学习、半监督学习和强化学习的总结

机器学习是数据分析和数据挖掘中一种比较常见且有效的方法，机器学习分为四大类，分别是有监督学习、无监督学习、半监督学习和强化学习。
Zhi Zhao·2023-09-23 23:38

如何使用Unity创建场景并转为gym环境，外接自定义强化学习算法

首先声明这种方式的最大问题：1、如果你的强化学习环境既包含连续动作，也包含离散动作，本文不敢确保是否可以正常使用，遇到过报错情况，目前我用的全部是连续，如果有人用了功能正常，欢迎评论区告知;2、如果你的强化学习问题是多智能体方向的研究
Alibutter·2023-09-23 19:03

强化学习的概念及学习过程

强化学习的概念强化学习主要由智能体（agent）和环境（environment）两部分组成。智能体代表具有行为能力的物体，环境指智能体执行动作时所处的场景。
加油上学人·2023-09-23 18:58

强化学习基本概念及与监督学习的区别

强化学习研究的是智能体agent与环境之间交互的任务，也就是让agent像人类一样通过试错，不断地学习在不同的环境下做出最优的动作，而不是有监督地直接告诉agent在什么环境下应该做出什么动作。
北木.·2023-09-23 18:27

基本概念篇（一），强化学习基本要素

其实本来不想写这篇的，相信愿意往下看的童鞋，对强化学习本身应该有一定了解。但其实你看的多了就会发现，现有很多文章在细节方面还是有不少差异的。
samurasun·2023-09-23 18:57

强化学习：（一）基本概念

目录一、基本术语二、如何使用强化学习三、标准库-OpenAIGym四、参考资料一、基本术语state：s，状态。action：a，行为，比如游戏里的向上、向右，是随机的。为什么不是确定的？
百把人·2023-09-23 18:57

强化学习基本概念

一、概述强化学习是智能体与环境不断交互，从而不断强化自己的决策能力的过程。
whzooz·2023-09-23 18:26

强化学习基本概念及方法分类

定义强化学习的目标是找到最大化收益的策略，找寻策略的一个重要途径是找到马可夫决策模型上的价值函数马尔可夫用于在系统状态具有马尔可夫性质的环境中模拟智能体可实现的随机性策略与回报当一个随机过程在给定现在状态及所有过去状态情况下
lijieling123·2023-09-23 18:25

【强化学习-01】强化学习基本概念

强化学习基本概念概率基本概念概率密度函数随机抽样强化学习基本概念State,actionPolicyπ\piπRewardStatetransitionAgentenvironmentinteraction
刘兴禄·2023-09-23 18:55

强化学习概念

机器学习分为监督学习、非监督学习、强化学习。强化学习把行为学习看作是反复实验的过程，从而把环境状态映射成相应的动作。
Chevy_cxw·2023-09-23 18:54

02强化学习基本概念

强化学习基本概念前言1、State、Action、Policy等①State②Action③Statetransition④Statetransitionprobability⑤Polity2、Reward
steelDK·2023-09-23 18:23

值迭代(value iteration)解决冰湖(FrozenLake-v0)问题

https://github.com/JUSTLOVELE/MobileDevStudy/blob/master/RL/gym_case中查阅这里加上先前写的策略迭代其实这里就大致讲完了动态规划算法在强化学习中的应用
北落师门_·2023-09-23 13:24

[决策规划算法]自动驾驶中的行为决策

文章目录前言一、有限状态机二、决策树三、基于知识的推理决策四、基于价值的决策模型前言在多智能体决策的复杂环境中（存在感知不确定性情况下）进行规划这一问题一直是L4、L5级自动驾驶技术的核心瓶颈之一。
Travis.X·2023-09-23 03:21

【《伤寒论》强化学习训练】打卡第4天，一期目标90天

1、少阴病，恶寒，身蜷而利，手足逆冷者，不治。意思是少阴病，一个人怕冷，身体侧躺缩在那，手脚也冰冷了，然后肚子一直拉。出现这种状况就是这个病人的身体好像整个生命体的机制、功能都在慢慢的衰竭之中。消化能力也越来越差，身体温暖的能力也越来越差，体温也在掉，整个生命状态都在衰竭的一个纯阴无阳的状态。这是很危险的病症了。少阴病始得之，反发热，脉沉者，麻黄附子细辛汤主之，脉比平常更沉，更弱，麻黄是外发，附子
最闪亮的那颗星_b02d·2023-09-23 01:19

万字长文细说ChatGPT的前世今生

MicrosoftBuild2023上的演讲整理而成，主要分为2大部分：如何训练GPT(可以理解为AIAssistant)如何使用GPTGPTassistant的训练过程可以分为四个阶段:预训练、监督微调、奖励建模和强化学习
JasonLiu1919·2023-09-23 00:23

五十一.DQN原理和实战

值函数近似法经典强化学习方法的共同点是它们的求解过程都要维持一个值函数表格，策略函数也可以通过一个表格来表示，所以也称这些方法为表格法。
stackooooover·2023-09-22 08:41

四十九.强化学习基础

1.强化学习基础知识1.1强化学习简介机器学习分为监督学习，非监督学习，强化学习（RL）。深度学习+强化学习即为深度强化学习（DRL）。
stackooooover·2023-09-22 08:40

五十二.PPO算法原理和实战

强化学习的最终目标是获得最优策略。将策略本身作为迭代对象，通过迭代的方式获得一个策略序列，当策略序列收敛时，其极限就是最优
stackooooover·2023-09-22 08:03

强化学习实现智能城市规划，清华团队最新成果登Nature子刊

近日，清华大学电子系城市科学与计算研究中心与建筑学院跨学科合作，首次提出了强化学习的城市社区空间规划模型与方法，并实现了人类规划师与人工智能算法协作的城市规划流程，为智能城市的自动化规划提供了全新思路。
数据派THU·2023-09-22 04:42

RLHF优化

然后利用奖励模型，通过强化学习算法（如PPO）
zhurui_xiaozhuzaizai·2023-09-22 03:51

【强化学习】02—— 探索与利用

文章目录1.探索与利用2.探索策略3.多臂老虎机3.1.形式化描述3.2.估计期望奖励3.3.懊悔regret函数4.贪心策略和ϵ−greedy\epsilon-greedyϵ−greedy策略5.积极初始化6.显示地考虑动作的价值分布7.UCB上置信界算法8.汤普森采样算法总结参考1.探索与利用探索与利用是序列决策任务中的一个重要问题，主要是对选择已知最优决策和尝试其他决策之间的权衡。利用Exp
yuan〇·2023-09-21 23:15

初识人工智能

Harpoon_fly/article/details/84074645【嵌牛导读】我们正处在深度学习的时期，把握住机会在人工智能深度学习还未大量爆发的时期，多了解学习下，让自己跟进时代的步伐，当然未来的强化学习更是最主要的方向
熊子豪·2023-09-21 21:48

基于强化学习的期权量化交易回测系统1

量化交易强化学习环境，则是向Agent提供一个交互的环境，Agent（即量化策略）根据市场环境（强化学习环境）的状态，选择最合适的操作，强化学习环境会根据操作结果，反馈给Agent，供Agent改进其策略网络
最老程序员闫涛·2023-09-21 20:26

【强化学习】01—— 强化学习简介

文章目录两种机器学习类型强化学习定义强化学习交互过程强化学习系统要素历史(History)状态(State)策略(Policy)奖励(Reward)价值函数(ValueFunction)模型(Model
yuan〇·2023-09-21 17:23

Alpha-GO打败⼈类的秘籍- 强化学习(Reinforcement Learning)

为了深⼊理解强化学习（ReinforcementLearning，简称RL）这⼀核⼼概念，我们从⼀个⽇常游戏的例⼦出发。在“贪吃蛇”这个经典游戏中，玩家需要掌控⼀条蛇，引导它吞吃屏幕上出现的各种果实。
山石网科·2023-09-21 07:33

ChatGPT技术原理

Task03ChatGPT技术原理目录阶段一：有监督微调Supervisedfine-tuning(SFT)阶段二：训练回报模型（RewardModel,RM）阶段三：使用强化学习微调SFT模型ChatGPT
Runjavago·2023-09-21 05:19

基于深度强化学习的四旋翼无人机航线跟随

源自：指挥与控制学报作者：杨志鹏李波甘志刚梁诗阳“人工智能技术与咨询”发布摘要针对无人机在空中执行航线跟随任务时无法对未知环境作出合理应对措施等问题,提出了一种基于深度强化学习的四旋翼无人机航线跟随方法
renhongxia1·2023-09-21 00:40

LLM预训练之RLHF（一）：RLHF及其变种

在ChatGPT引领的大型语言模型时代，国内外的大模型呈现爆发式发展，尤其是以年初的LLaMA模型为首的开源大模型和最近百川智能的baichuan模型，但无一例外，都使用了「基于人类反馈的强化学习」（RLHF
wshzd·2023-09-20 20:02

Java手写强化学习

Java手写强化学习1.强化学习算法思维导图以下是强化学习算法的实现原理的思维导图，使用Mermanid代码表示：环境Agent策略价值函数模型动作选择执行动作获得反馈2.强化学习算法的手写必要性及市场调查强化学习是一种通过与环境交互来学习最优策略的机器学习方法
全栈项目讲解·2023-09-20 19:02
上一页 22 23 24 25 26 27 28 29 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他