MDP

强化学习（二）----- 马尔可夫决策过程MDP

马尔可夫决策过程(MarkovDecisionProcess,MDP)也具有马尔可夫性，与上面不同的是MDP考虑了动作
Duckie-duckie·2024-09-09 06:37

Python强化学习，基于gym的马尔可夫决策过程MDP，动态规划求解，体现序贯决策

决策的过程分为单阶段和多阶段的。单阶段决策也就是单次决策，这个很简单。而序贯决策指按时间序列的发生，按顺序连续不断地作出决策，即多阶段决策，决策是分前后顺序的。序贯决策是前一阶段决策方案的选择，会影响到后一阶段决策方案的选择，后一阶段决策方案的选择是取决于前一阶段决策方案的结果。强化学习过程中最典型的例子就是非线性二级摆系统，有4个关键值，小车受力，受力方向，摆速度，摆角，每个状态下都需要决策车的
baozouxiaoxian·2024-09-09 06:32

基于时序差分的无模型强化学习：Q-learning 算法详解

函数）Q-learning的更新公式Q-learning算法流程Q-learning的特点1.3总结一、无模型强化学习中的时序差分方法与Q-learning  动态规划算法依赖于已知的马尔可夫决策过程（MDP
晓shuo·2024-09-06 07:30

2019-10-19 Lecture 4: Model-Free Prediction

Model-FreePredictionInterductionimage.png区别上节课讲已知MDP，使用动态规划方法来获得最优valuefunction和policy。
BoringFantasy·2024-08-27 19:39

马尔可夫决策过程（Markov decision process，MDP）

文章目录马尔可夫决策过程(MDP)在机器学习中应用在机器学习中的引用示例引用：实例场景：机器人导航MDP的定义：引用示例：在此基础上更具体的描述，并给出每一步的推断计算过程场景描述：3x3网格中的机器人导航
太阳城S·2024-08-26 08:36

马尔可夫过程||马尔可夫奖励过程||马尔可夫决策过程——基本概念汇总

马尔可夫过程MP：(S,P)马尔可夫奖励过程MRP：(S,P,R,γ)马尔可夫决策过程MDP：(S,A,P,R,γ)马尔可夫过程MP马尔科夫性：下一时刻状态只与当前时刻状态有关，与之前状态无关。
@Duang~·2024-02-06 19:37

王树森《深度强化学习》学习笔记

基本概念马尔可夫决策过程(MDP)智能体（agent）：强化学习的主体，由谁做动作或决策，谁就是智能体环境（environment）：与智能体交互的对象，可以抽象的理解为交互过程中的规则或机理状态(state
ustb_student·2024-01-29 03:22

强化学习（四）动态规划——1

动态规划算法（DP）：在马尔可夫决策过程（MDP）的完美环境模型下计算最优策略。但其在强化学习中实用性有限，其一是它是基于环境模型已知；其二是它的计算成本很大。
EasonZzzzzzz·2024-01-28 11:44

Gromacs相关(还未来得及看，留个坑)

[GROMACS]关于预平衡步骤的确定以及mdp文件中wall设置的提问[GROMACS]求助gromacs中的top文件生成问题几种生成有机分子GROMACS拓扑文件的工具Restraints自写脚本创建非标准残基蛋白的
病树前头·2024-01-28 08:31

详解强化学习（Reinforcement Learning）（基础篇）

1.强化学习的底层原理:强化学习的核心是马尔可夫决策过程（MarkovDecisionProcess，MDP），它由五个要素构成：状态空间、动作空间、状态转移概率、奖励函数和折扣因子。
RRRRRoyal·2024-01-23 16:28

（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。
码农三叔·2024-01-20 09:21

算法随想录第三十九天打卡|62.不同路径 ， 63. 不同路径 II

62.不同路径_哔哩哔哩_bilibiliclassSolution(object):defuniquePaths(self,m,n):ifm==1andn==1:return1dp=[[0]*n]*mdp
星曜366·2024-01-20 06:30

强化学习应用（二）：基于Q-learning的无人机物流路径规划研究（提供Python代码）

一、Q-learning简介Q-learning是一种强化学习算法，用于解决基于马尔可夫决策过程（MDP）的问题。它通过学习一个价值函数来指导智能体在环境中做出决策，以最大化累积奖励。
IT猿手·2024-01-16 16:01

强化学习应用（一）：基于Q-learning的无人机物流路径规划研究（提供Python代码）

一、Q-learning简介Q-learning是一种强化学习算法，用于解决基于马尔可夫决策过程（MDP）的问题。它通过学习一个价值函数来指导智能体在环境中做出决策，以最大化累积奖励。
IT猿手·2024-01-16 16:00

强化学习应用（七）：基于Q-learning的物流配送路径规划研究（提供Python代码）

一、Q-learning算法简介Q-learning是一种强化学习算法，用于解决基于马尔可夫决策过程（MDP）的问题。它通过学习一个值函数来指导智能体在环境中做出决策，以最大化累积奖励。
优化算法MATLAB与Python·2024-01-15 19:14

强化学习应用（六）：基于Q-learning的物流配送路径规划研究（提供Python代码）

一、Q-learning算法简介Q-learning是一种强化学习算法，用于解决基于马尔可夫决策过程（MDP）的问题。它通过学习一个值函数来指导智能体在环境中做出决策，以最大化累积奖励。
优化算法MATLAB与Python·2024-01-15 19:44

强化学习应用（五）：基于Q-learning的物流配送路径规划研究（提供Python代码）

一、Q-learning算法简介Q-learning是一种强化学习算法，用于解决基于马尔可夫决策过程（MDP）的问题。它通过学习一个值函数来指导智能体在环境中做出决策，以最大化累积奖励。
优化算法MATLAB与Python·2024-01-15 19:13

强化学习应用（八）：基于Q-learning的物流配送路径规划研究（提供Python代码）

一、Q-learning算法简介Q-learning是一种强化学习算法，用于解决基于马尔可夫决策过程（MDP）的问题。它通过学习一个值函数来指导智能体在环境中做出决策，以最大化累积奖励。
优化算法MATLAB与Python·2024-01-15 19:41

马尔科夫决策过程（Markov Decision Process）揭秘

RL基本框架、MDP概念MDP是强化学习的基础。MDP能建模一系列真实世界的问题，它在形式上描述了强化学习的框架。RL的交互过程就是通过MDP表示的。
アナリスト·2024-01-15 05:38

强化学习应用（三）：基于Q-learning的物流配送路径规划研究（提供Python代码）

一、Q-learning算法简介Q-learning是一种强化学习算法，用于解决基于马尔可夫决策过程（MDP）的问题。它通过学习一个值函数来指导智能体在环境中做出决策，以最大化累积奖励。
优化算法MATLAB与Python·2024-01-14 15:31

强化学习应用（一）：基于Q-learning的物流配送路径规划研究（提供Python代码）

一、Q-learning算法简介Q-learning是一种强化学习算法，用于解决基于马尔可夫决策过程（MDP）的问题。它通过学习一个值函数来指导智能体在环境中做出决策，以最大化累积奖励。
优化算法MATLAB与Python·2024-01-14 15:30

强化学习应用（二）：基于Q-learning的物流配送路径规划研究（提供Python代码）

一、Q-learning算法简介Q-learning是一种强化学习算法，用于解决基于马尔可夫决策过程（MDP）的问题。它通过学习一个值函数来指导智能体在环境中做出决策，以最大化累积奖励。
优化算法MATLAB与Python·2024-01-14 15:30

强化学习中的迁移学习

马尔科夫决策MDP(MarkovDecisio
沐念丶·2024-01-14 11:29

强化学习应用（八）：基于Q-learning的无人机物流路径规划研究（提供Python代码）

一、Q-learning简介Q-learning是一种强化学习算法，用于解决基于马尔可夫决策过程（MDP）的问题。它通过学习一个价值函数来指导智能体在环境中做出决策，以最大化累积奖励。
IT猿手·2024-01-14 08:05

强化学习应用（七）：基于Q-learning的无人机物流路径规划研究（提供Python代码）

一、Q-learning简介Q-learning是一种强化学习算法，用于解决基于马尔可夫决策过程（MDP）的问题。它通过学习一个价值函数来指导智能体在环境中做出决策，以最大化累积奖励。
IT猿手·2024-01-14 08:05

强化学习应用（五）：基于Q-learning的无人机物流路径规划研究（提供Python代码）

一、Q-learning简介Q-learning是一种强化学习算法，用于解决基于马尔可夫决策过程（MDP）的问题。它通过学习一个价值函数来指导智能体在环境中做出决策，以最大化累积奖励。
IT猿手·2024-01-14 08:35

强化学习应用（六）：基于Q-learning的无人机物流路径规划研究（提供Python代码）

一、Q-learning简介Q-learning是一种强化学习算法，用于解决基于马尔可夫决策过程（MDP）的问题。它通过学习一个价值函数来指导智能体在环境中做出决策，以最大化累积奖励。
IT猿手·2024-01-14 08:28

无人机自主寻优降落在移动车辆

建立马尔科夫决策过程模型（MDP），定义状态空间：包括无人机的位置、高度、速度，目标车辆位置、速度、方向，以及遮挡状态（可视/不可视）。
柚有所思·2024-01-08 09:21

Spring整合ActiveMQ之监听器配置

Spring提供了一个方法来创建消息驱动的POJO（MDP），并且不会把用户绑定在某个EJB容器上。通常用消息监听器容器从JMS消息队列接收消息并驱动被注射进来的MDP。
HernSong·2023-12-28 08:44

第一章：马尔科夫决策过程（不可能看不懂）

目录一、预备知识二、马尔可夫决策过程三、马尔可夫性质四、回报五、状态转移矩阵六、小结一、预备知识本节主要介绍强化学习最基本的问题模型，马尔科夫决策过程（Markovdecisionprocess，MDP
代码kobe·2023-12-22 19:28

ALNS的MDP模型| 还没整理完12-08

有好几篇论文已经这样做了，先摆出一篇，然后再慢慢更新第一篇该篇论文提出了一种称为深增强ALNS（DR-ALNS）的方法，它利用DRL选择最有效的破坏和修复运营商，配置破坏严重性参数施加在破坏算子上，并设置ALNS框架内的验收标准值。DRL在每次搜索迭代时配置ALNS。与其他基于DRL的针对特定的优化问题的方法，这篇论文的目标是以一种概括的方式利用DRL。为了实现这一点，该方法除了定义的破坏算子和修
Zzzzzzz_s·2023-12-14 18:10

强化学习Markov重要公式推导过程

Markov决策过程（MarkovDecisionProcess，MDP）Markov过程是一种用于描述决策问题的数学框架，是强化学习的基础。
幻影123！·2023-12-05 00:02

强化学习------贝尔曼方程

目录前言基础知识马尔可夫决策过程(Markovdecisionprocess,MDP)回报(Return)折扣回报(DiscountedReturn)StateValue（状态价值函数）贝尔曼方程的推导贝尔曼方程的矩阵形式
韭菜盖饭·2023-12-04 15:42

gromacs学习及使用(3)

1.GROMACS分子动力学模拟教程：多肽-蛋白相互作用8.溶剂和氢原子位置的弛豫:位置限制MDgmxgrompp-v-f03_nvt_pr1000_PME.mdp-cprotein-EM-solvated.gro-pprotein.top-oprotein-NVT-PR1000
病树前头·2023-12-02 03:09

gromacs学习及使用(1)

Gromacs一般使用步骤（空蛋白）4.GROMACS优化(没看懂)5.GROMACS快速入门（有好东西）GROMACS中文教程gmxeditconf-fxxx-oxxx6.GROMACS运行参数之em.mdp
病树前头·2023-12-02 03:08

分子动力学模拟学习2-Gromacs运行分子动力学模拟

1.把上一步生成的Enzyme.gro和Enzyme.top文件改个名字cpEnzyme.toptopol.topcpEnzyme.grocomplex.gro2.能量最小化首先准备能量最小化mdp文件
TruelyBe·2023-12-02 03:36

高通Android display分析【转】

http://blog.csdn.net/zhangchiytu/article/details/6777039高通7系列硬件架构分析如上图，高通7系列Display的硬件部分主要由下面几个部分组成：A、MDP
嵌入式小庄老师·2023-11-30 00:38

强化学习基础-马尔可夫决策过程（Markov Decision Process，MDP）

马尔可夫决策过程（MarkovDecisionProcess，MDP）是一种数学框架，用于建模和求解序贯决策问题。
RRRRRoyal·2023-11-29 12:47

移动机器人路径规划（七）--- 基于MDP的路径规划MDP-Based Planning

目录1什么是MDP-BasedPlanning2worst-caseanalysisfornondeterministicmodel3ExpectedCostPlanning4RealTimeDynamicProgramming
APS2023·2023-11-29 06:25

强化学习中的Q学习

Q学习（Q-Learning）是强化学习中的一种基于值的学习方法，用于在有限马尔可夫决策过程（MDP）中学习最优的动作策略。Q学习主要用于离散状态和离散动作的问题。
温柔的行子·2023-11-27 20:27

2021-06-15

3.查找了一堆MDP的文献，并花时间阅读4.幕后产品的内容分享PPT制作。5.公务员的定义推理看了一部分40MIN
辰旻琴盼雨念湘荣·2023-11-27 10:30

Twincat使用：EtherCAT通信扫描硬件设备链接PLC变量

EL3102:MDP5001_300_CF8D1684;MDP5001_300_Value:INT;nVoltage:=EL3102.MDP5001_300_Input.MDP5001_3
FL17171314·2023-11-25 03:52

【MATLAB源码-第87期】基于matlab的Q-learning算法栅格地图路径规划，自主选择起始点和障碍物。

操作环境：MATLAB2022a1、算法描述Q-learning是一种无模型的强化学习算法，适用于有限的马尔可夫决策过程（MDP）。
Matlab程序猿·2023-11-24 15:45

【更新中…】强化学习-MDP_学习笔记

强化学习-MDP1概念介绍1.1RandomVariable·随机变量1.2StochasticProcess·随机过程1.3MarkovChain/Process·马尔可夫链/过程1.4StateSpaceModel
dreautumn·2023-11-23 01:15

NASA MDP数据集

本文内容来自于对论文《DataQuality:SomeCommentsontheNASASoftwareDefectDatasets》内容的整理，如果转载请说明。文章目录1、论文简述2、预处理的步骤3、数据集下载地址4、参考资料1、论文简述论文是defectprediction方向相关论文引用率特别高的一篇，最近在找公共数据集，就读了下，论文的基本信息可以参考[1][1][1]。在这篇论文出现之前
洛阳山·2023-11-19 21:29

【强化学习】二、马尔可夫决策过程

二、马尔可夫决策过程1.绪言马尔可夫决策过程（Markovdecisionprocess，MDP）是强化学习问题在数学上的理想化形式MDP中的环境是完全可观测的几乎所有的强化学习问题都可以在数学上表示为马尔可夫决策过程
Henry_Zhao10·2023-11-19 19:32

（二）强化学习——有限的马尔可夫决策过程（有限MDP）

MDP就是强化学习问题在数学上的理想化形式，因为在这个框架下我们可以进行精确的理论说明。MDP理论的发展源于对不确定性条件下的决策序列问题的研究，这种问题中的每个决策都依赖于之前一系列的决策及结果。
Eagle Xu·2023-11-16 02:29

强化学习——day13 马尔科夫决策过程MDP

马尔科夫决策过程简介马尔可夫过程随机过程马尔可夫性质马尔可夫过程马尔可夫奖励过程回报价值函数马尔可夫决策过程策略状态价值函数动作价值函数贝尔曼期望方程蒙特卡洛方法占用度量最优策略贝尔曼最优方程总结参考文献简介马尔可夫决策过程（Markovdecisionprocess，MDP
想太多!·2023-11-16 02:29

强化学习（一）——马尔可夫决策过程MDP

文章目录1.马尔可夫过程（MarkovProcess）1.1马尔可夫性质（MarkovProperty）1.2状态转移矩阵（StateTransitionMatrix）1.3马尔可夫过程（MP）2.马尔可夫奖励过程（MarkovRewardProcess）2.1回报与折扣因子（ReturnandDiscount）问题：为什么需要折扣因子？2.2状态价值函数（ValueFunction）2.3马尔可
冠long馨·2023-11-16 02:58

强化学习——day11 马尔科夫决策过程MDP

第3章马尔可夫决策过程3.1简介马尔可夫决策过程（Markovdecisionprocess，MDP）是强化学习的重要概念。要学好强化学习，我们首先要掌握马尔可夫决策过程的基础知识。
想太多!·2023-11-16 02:58
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他