深度强化学习第2页

（202401）深度强化学习基础与实践1：马尔科夫过程、DNQ算法回顾

算法深度网络经验回放目标网络实战DQN算法DQN算法进阶DoubleDQNDuelingDQNNoisyDQNPERDQNC51算法序言本文章记录Datawhale开源学习组织2024年第一期学习，《深度强化学习基础与实践

早上真好·2024-01-20 22:56

深度强化学习DQN系算法理解

致谢进行DQN方法整理时，主要对原文进行了学习，并参考了几位作者的笔记，在此一并表示感谢。索引网页如下：https://www.jianshu.com/p/6fe18d0d8822https://www.jianshu.com/p/0fb311d96da4https://www.cnblogs.com/pinard/p/9797695.htmlhttps://blog.csdn.net/mike1

静斋·2024-01-20 17:26

（9-3）基于深度强化学习的量化交易策略（OpenAI Baselines +FinRL+DRL+PyPortfolioOpt）：数据预处理

1.1.6数据预处理数据预处理是训练高质量机器学习模型的关键步骤，在这一步需要检查缺失数据并进行特征工程，以将数据转换为适合模型训练的状态。本项目的数据预处理江湾城以下工作：添加技术指标：在实际交易中，需要考虑各种信息，例如历史股价、当前持仓股票、技术指标等。本文演示了两个趋势跟踪技术指标：MACD和RSI。添加紧急指数：风险厌恶反映了投资者是否选择保留资本，它还在面对不同市场波动水平时影响交易策

码农三叔·2024-01-20 09:21

（9-4）基于深度强化学习的量化交易策略（OpenAI Baselines +FinRL+DRL+PyPortfolioOpt）：构建交易环境

9.7构建交易环境考虑到自动股票交易任务的随机性和互动性，在本项目中将金融任务建模为马尔可夫决策过程（MarkovDecisionProcess，MDP）问题。在训练过程观察股价的变化、执行操作以及奖励计算，使代理根据奖励调整其策略。通过与环境互动，交易代理将制定随着时间推移而最大化奖励的交易策略。本项目的交易环境基于OpenAIGym框架实现，根据时间驱动模拟的原则模拟实时股票市场，使用真实的市

码农三叔·2024-01-20 09:21

（9-2）基于深度强化学习的量化交易策略（OpenAI Baselines +FinRL+DRL+PyPortfolioOpt）：准备环境+下载数据

该库建立在强化学习的理论基础之上，通过提供易用的接口和实用的功能，帮助用户在金融市场中应用深度强化学习算法。

码农三叔·2024-01-20 09:51

对比分析ChatGPT 和文心一言。

三个月后我开始使用这款AI产品，当时我向它咨询了之前困扰我六个月的深度强化学习科

安城安·2024-01-19 17:30

【挑战全网最易懂】深度强化学习 --- 零基础指南

深度强化学习介绍、概念强化学习介绍离散场景，使用行为价值方法连续场景，使用概率分布方法实时反馈连续场景：使用概率分布+行为价值方法强化学习六要素设计奖励函数设计评论家策略学习与优化算法路径深度Q网络DQN

Debroon·2024-01-19 14:17

基于模型与不基于模型的深度增强学习_主编推荐 | 基于模型的强化学习—LQR与iLQR...

作者：知乎用户@王沃河编者按深度强化学习(DRL）的一炮走红，让人们一谈起强化学习首先想到的往往是DRL，而强化学习最早的起源来自optimalcontroltheory。

weixin_39572442·2024-01-18 19:19

深度强化学习Task1：马尔可夫过程、DQN算法回顾

本篇博客是本人参加Datawhale组队学习第一次任务的笔记【教程地址】https://github.com/datawhalechina/joyrl-book【强化学习库JoyRL】https://github.com/datawhalechina/joyrl/tree/main【JoyRL开发周报】https://datawhale.feishu.cn/docx/OM8fdsNl0o5omox

卡拉比丘流形·2024-01-18 05:14

深度强化学习车辆重定向HMDRL: Hierarchical Mixed Deep Reinforcement Learning to Balance Vehicle Supply andDemand

HMDRL:HierarchicalMixedDeepReinforcementLearningtoBalanceVehicleSupplyandDemand摘要三层混合深度强化学习方法，对闲置的车辆进行重新定位管理者在顶层

发呆哥o_o ....·2024-01-17 22:01

深度强化学习的变道策略：Harmonious Lane Changing via Deep Reinforcement Learning

章节安排：简介和谐变道的深度强化学习模型模拟器设计实验设置和所提出的策略

发呆哥o_o ....·2024-01-17 22:59

基于霍克斯过程的限价订单簿模型下的深度强化学习做市策略

数量技术宅团队在CSDN学院推出了量化投资系列课程欢迎有兴趣系统学习量化投资的同学，点击下方链接报名：量化投资速成营（入门课程）Python股票量化投资Python期货量化投资Python数字货币量化投资C++语言CTP期货交易系统开发数字货币JavaScript语言量化交易系统开发相关研究总述最优做市(MM)是在限价订单簿(LOB)的两侧同时下达买订单和卖订单的问题，目的是最大化交易者的最终收益

数量技术宅·2024-01-17 22:47

中科院自动化所：基于关系图深度强化学习的机器人多目标包围问题新算法

摘要：中科院自动化所蒲志强教授团队，提出一种基于关系图的深度强化学习方法，应用于多目标避碰包围(MECA)问题，使用NOKOV度量动作捕捉系统获取多机器人位置信息，验证了方法的有效性和适应性。

MocapLeader·2024-01-17 20:31

2024年1月16日Arxiv热门深度强化学习论文：IDENTIFYING POLICY GRADIENT SUBSPACES

引言：深度强化学习中的梯度子空间探索深度强化学习（DeepReinforcementLearning,DRL）在解决复杂的连续控制任务中取得了显著成就，从Atari游戏到各种真实的机器人挑战，DRL的成功案例不胜枚举

夕小瑶·2024-01-17 10:16

深度强化学习算法PPO训练CartPole

PPO代码部分，训练离散动作1.导入必须要的包importtorchimporttorch.nnasnnimporttorch.nn.functionalasfimporttorch.optimasoptimfromtorch.distributionsimportCategoricalfromcollectionsimportdequeimportrandomimportmatplotlib.p

槑槑紫·2024-01-17 06:27

深度学习机器臂控制_基于深度强化学习的机器人手臂控制

基于深度强化学习的机器人手臂控制杨淑珍;韩建宇;梁盼;古彭;杨发展;吕萍丽【期刊名称】《福建电脑》【年(卷),期】2019(035)001【摘要】基于深度强化学习策略,研究了机器人手臂控制问题.以两节机器人手臂为对象

觉主小VV·2024-01-16 22:54

【强化学习与机器人控制论文 1】基于深度强化学习的机械臂避障

基于深度强化学习的机械臂避障1.引言2.论文解读2.1背景2.2将NAF算法用在机器人避障中3.总结1.引言本文介绍一篇2018年发表在EuropeanControlConference的文章，虽然不是顶会

ReEchooo·2024-01-16 22:24

NLP论文阅读记录 - 2021 | WOS 使用深度强化学习及其他技术进行自动文本摘要

文章目录前言0、论文摘要一、Introduction1.1目标问题1.2相关的尝试1.3本文贡献二.相关工作2.1.Seq2seq模型2.2.强化学习和序列生成2.3.自动文本摘要三.本文方法四实验效果4.1数据集4.2对比模型4.3实施细节4.4评估指标4.5实验结果4.6细粒度分析五总结思考前言AutomaticTextSummarizationUsingDeepReinforcementLe

yuyuyu_xxx·2024-01-15 02:57

深度强化学习Actor-Critic的更新逻辑梳理笔记

深度强化学习Actor-Critic的更新逻辑梳理笔记文章目录深度强化学习Actor-Critic的更新逻辑梳理笔记前言：Actor-Critic架构简介：critic的更新逻辑actor的更新逻辑：前言

hehedadaq·2024-01-14 22:32

深度强化学习——actor-critic算法(4)

一、本文概要：actor是策略网络，用来控制agent运动，你可以把他看作是运动员，critic是价值网络，用来给动作打分，你可以把critic看作是裁判，这节课的内容就是构造这两个神经网络，然后通过环境给的奖励来学习这两个网络1、首先看一下如何构造价值网络valuenetwork：Π和QΠ这两个函数我们都不知道，应该怎么办呢？》可以用两个神经网络分别近似这两个函数，然后用actor-critic

Tandy12356_·2024-01-14 22:01

Proximal Policy Optimization

-李宏毅老师的视频地址：李宏毅深度强化学习(国语)课程(2018)_哔哩哔哩_bilibiliPPO算法是PolicyGradient方法的一种改进版本PolicyGradient算法回顾在PG算法中，

神奇的托尔巴拉德·2024-01-11 12:33

模型预测控制MPC

而在深度强化学习领域，基于模型的方法通常用神经网络学习一个环境模型，然后利用该环境模型来帮助智能体训练和决策。利用环境模型帮助智能体训练和决策的方法有很多种，例如可以利用与之前的Dyna类似的

oceancoco·2024-01-11 08:27

机器学习周刊第4期：动手实战人工智能、计算机科学热门论文、免费的基于ChatGPT API的安卓端语音助手、每日数学、检索增强 (RAG) 生成技术综述

目录：1、动手实战人工智能Hands-onAl2、huggingface的NLP、深度强化学习、语音课3、AwesomeJupyter4、计算机科学热门论文5、LLM开发者必读论文:检索增强(RAG)生成技术综述

机器学习算法与Python实战·2024-01-08 13:50

论文阅读-基于深度强化学习的方法解决多智能体防御和攻击问题

论文原题目：Adeepreinforcementlearning-basedmethodappliedforsolvingmulti-agentdefenseandattackproblems论文链接：https://www.sciencedirect.com/science/article/pii/S0957417421003377论文信息：目录1引言2问题制定与环境建模2.1多智能体防御与攻击

天寒心亦热·2024-01-08 08:54

深度强化学习落地方法论（2）—— 需求分析篇

前言弘扬中华传统美德，丑话要说在前面。任何机器学习方法都不是包治百病的灵丹妙药，它们也有各自的“舒适圈”，有时候还相当挑剔。强化学习，无论前面带不带“深度”二字，也同样有其鲜明的优势和局限性，务必要具体问题具体分析。不管公众号吹嘘得多么厉害，我们自己要摆正心态，不是所有需求都适合用DRL做，适合用DRL做的需求也未必能超越传统方法。在我看来，算法工程师的核心能力可以总结成以下三点：1.对各种算法本

WYJJYN·2024-01-08 04:12

Deep Q-Network (DQN)理解

DQN（DeepQ-Network）是深度强化学习（DeepReinforcementLearning）的开山之作，将深度学习引入强化学习中，构建了Perception到Decision的End-to-end

兔兔爱学习兔兔爱学习·2024-01-03 20:59

2024人工智能发展方向(机器人领域)

尽管离完全实现还尚有距离，但新年伊始，也是一个新的台阶，结合2023年的成果，在此基础上，2024年在算法架构上会倾向于，让机器人具有不断进化的能力，这一点李飞飞早在2021年便提出了深度强化学习进化策略

笑傲江湖2023·2024-01-03 11:21

用一个小游戏入门深度强化学习

今天我们来用深度强化学习算法deepQ-learning玩CartPole游戏。

不会停的蜗牛·2024-01-01 13:54

机器学习，深度学习，神经网络，深度神经网络

深度学习的算法又分很多种，比较典型的四种：卷积神经网络—CNN,循环神经网络—RNN,生成对抗网络—GANs,深度强化学习—RL。机器学习和深度学习的

向着光噜噜·2023-12-31 06:53

基于深度强化学习算法的仿真到实践教程

基于深度强化学习算法的仿真到实践教程遇到问题先看这篇文章，我收集了许多群友遇到的问题。我的毕业论文主要是使用DQN，PPO，SAC仿真，然后放到车上跑（效果不太好）。

方小生–·2023-12-30 07:43

Pytorch深度强化学习2-1：基于价值的强化学习——DQN算法

详情：《Pytorch深度强化学习》1基于价值的强化学习根据不动点定理，最优策略和最优价值函数是唯一

Mr.Winter`·2023-12-26 14:40

边缘服务器

提出了一种基于人工智能深度强化学习算法的扩展性及智能性较高的智能选择模式。

Mindtechnist·2023-12-25 13:08

Pytorch深度强化学习案例：基于Q-Learning的机器人走迷宫

目录0专栏介绍1Q-Learning算法原理2强化学习基本框架3机器人走迷宫算法3.1迷宫环境3.2状态、动作和奖励3.3Q-Learning算法实现3.4完成训练4算法分析4.1Q-Table4.2奖励曲线0专栏介绍本专栏重点介绍强化学习技术的数学原理，并且采用Pytorch框架对常见的强化学习算法、案例进行实现，帮助读者理解并快速上手开发。同时，辅以各种机器学习、数据处理技术，扩充人工智能的底

Mr.Winter`·2023-12-20 12:43

深度强化学习之：PPO训练红白机1942

本篇是深度强化学习动手系列文章，自MyEncyclopedia公众号文章深度强化学习之：DQN训练超级玛丽闯关发布后收到不少关注和反馈，这一期，让我们实现目前主流深度强化学习算法PPO来打另一个红白机经典游戏

人工智能与算法学习·2023-12-18 12:19

如何选择深度强化学习算法：MuZero/SAC/PPO/TD3/DDPG/DQN/等算法

汀、人工智能·2023-12-18 12:18

【李宏毅深度强化学习笔记】2、Proximal Policy Optimization算法(PPO)

【李宏毅深度强化学习笔记】1、策略梯度方法（PolicyGradient）【李宏毅深度强化学习笔记】2、ProximalPolicyOptimization(PPO)算法（本文）【李宏毅深度强化学习笔记

qqqeeevvv·2023-12-18 12:15

深度强化学习：（七）PPO

一、TRPOTRPO算法是Shulman博士为了解决普通的策略梯度算法无法保证性能单调非递减而提出来的方法。也就是说，普通的策略梯度算法无法解决更新步长的问题，对于普通的策略梯度方法，如果更新步长太大，则容易发散；如果更新步长太小，即使收敛，收敛速度也很慢。Shulman并不从策略梯度的更新步长下手，而是换了一个思路：更换优化函数。通过理论推导和分析，Shulman找到一个替代损失函数（Surro

Warship_·2023-12-18 12:44

深度强化学习（DRL）简介与常见算法（DQN，DDPG，PPO，TRPO，SAC）分类

简单介绍深度强化学习的基本概念，常见算法、流程及其分类（持续更新中），方便大家更好的理解、应用强化学习算法，更好地解决各自领域面临的前沿问题。欢迎大家留言讨论，共同进步。

行至为成·2023-12-18 12:44

【深度强化学习】TRPO、PPO

策略梯度的缺点步长难以确定，一旦步长选的不好，就导致恶性循环步长不合适→策略变差→采集的数据变差→（回报/梯度导致的）步长不合适步长不合适\to策略变差\to采集的数据变差\to（回报/梯度导致的）步长不合适步长不合适→策略变差→采集的数据变差→（回报/梯度导致的）步长不合适一阶信息不限制步长容易越过局部最优，而且很难回来TRPO置信域策略优化思想：步子不要太大，应该保证更新在某个邻域内∣∣θ−θ

x66ccff·2023-12-18 12:13

【深度学习】强化学习（七）基于策略函数的学习方法

文章目录一、强化学习问题1、交互的对象2、强化学习的基本要素3、策略（Policy）4、马尔可夫决策过程5、强化学习的目标函数6、值函数7、深度强化学习二、基于值函数的学习方法三、基于策略函数的学习方法一

QomolangmaH·2023-12-18 02:10

基于人工智能 RL 算法的边缘服务器智能选择模式研究

提出了一种基于人工智能深度强化学习算法的扩展性及智能性较高的智能选择模式。

Mindtechnist·2023-12-17 23:32

王树森深度强化学习笔记

本笔记基于王树森的深度强化学习课程文章目录王树森深度强化学习笔记一、基础1.概率论2.名词3.ReturnUtU_tUt4.Action-ValueFunctionQπ(s,a)Q_\pi(s,a)Qπ

开longlong了吗？·2023-12-17 21:30

【深度强化学习】DQN, Double DQN, Dueling DQN

DQN更新方程Qθ(st,at)←Qθ(st,at)+α(rt+γmax⁡a′Qθ(st+1,a′)−Qθ(st,at))Q_\theta(s_t,a_t)\leftarrowQ_\theta(s_t,a_t)+\alpha\left(r_t+\gamma\red{\max_{a'}Q_\theta(s_{t+1},a')}-Q_{\theta}(s_t,a_t)\right)Qθ(st,at)←

x66ccff·2023-12-17 09:36

文章解读与仿真程序复现思路——电网技术EI\CSCD\北大核心《基于乐观行动-评判深度强化学习的含氢综合能源系统低碳经济调度》

这个标题涉及到基于乐观行动的深度强化学习在含氢综合能源系统低碳经济调度方面的评判。

电网论文源程序·2023-12-16 12:56

学习深度强化学习---第1部分----RL介绍、基本模型、Gym介绍

文章目录1.1节强化学习简介1.2节强化学习的模型1.3节Gym介绍视频所在地址：深度强化学习的理论与实践经典的强化学习有三种：1、基于动态规划的强化学习、2、基于蒙特卡洛算法的强化学习、3、基于时序差分的强化学习

饿了就干饭·2023-12-16 00:41

学习深度强化学习---第3部分----RL蒙特卡罗相关算法

文章目录3.1节蒙特卡罗法简介3.2节蒙特卡罗策略评估3.3节蒙特卡罗强化学习3.4节异策略蒙特卡罗法本部分视频所在地址：深度强化学习的理论与实践3.1节蒙特卡罗法简介在其他学科中的蒙特卡罗法是一种抽样的方法

饿了就干饭·2023-12-16 00:11

学习深度强化学习---第2部分----RL动态规划相关算法

文章目录2.1节动态规划简介2.2节值函数与贝尔曼方程2.3节策略评估2.4节策略改进2.5节最优值函数与最优策略2.6节值迭代与策略迭代2.7节动态规划求解最优策略本部分视频所在地址：深度强化学习的理论与实践

饿了就干饭·2023-12-16 00:06

论文精读与思考：深度强化学习的组合优化研究进展

论文基本信息作者：李凯文、张涛、王锐等作者单位：国防科技大学期刊：自动化学报时间：2021年11月组合优化问题链接：基于深度强化学习的组合优化研究进展(aas.net.cn)1组合优化问题概述1.1定义一类在离散状态下求极值的最优化问题

灰灰嗷·2023-12-14 23:47

人工智能算法

典型算法：监督学习：线性回归、决策树、支持向量机（SVM）、神经网络无监督学习：K均值聚类、层次聚类、主成分分析（PCA）强化学习：Q-learning、深度强化学习（如深度Q网络）代码示例（Python

不爱吃香菇的干饭少年·2023-12-05 06:16

Pytorch深度强化学习1-5：详解蒙特卡洛强化学习原理

详情：《Pytorch深度强化学习》1蒙特卡洛强化学习在Pytorch深度强化学习1-4

Mr.Winter`·2023-12-04 15:54

推荐频道

深度强化学习