Q-LEARNING

Q-Learning笔记

emmmmm，被迫强化学习强化学习的思想其实很好理解啦，通过不断和环境交互，来修正agent的行为，得到agent在不同state下应该采取什么action，来得到最大化的收益。这里强推一下这个知乎博主https://www.zhihu.com/column/c_1215667894253830144真的是用大白话把我给讲懂了，搜别的动不动上来这个公式那个理论的，真的是一脸懵逼。。。。。。（理解流
显哥无敌·2022-06-27 07:19

强化学习笔记：连续控制 & 确定策略梯度DPG

1离散控制与连续控制之前的无论是DQN,Q-learning,A2C,REINFORCEMENT,SARSA什么的，都是针对离散动作空间，不能直接解决连续控制问题。
UQI-LIUWJ·2022-06-03 07:23

【又一个作业】基于强化学习的雷达干扰样式选择（MATLAB实现）

目录实验原理雷达干扰决策基于强化学习的干扰决策时序差分强化学习Sarsa算法Q-learning算法Epsilon-greedy算法实验步骤和内容实验分析参数设置具体实现实验结果sarsaQ-Learning
邓哈哈哈哈·2022-06-01 18:48

DQN笔记：高估问题 & target network & Double DQN

1自举（bootstrapping）导致的偏差传播1.1DQN参数更新（回顾）Q-learning算法每次从经验回放数组(ReplayBuffffer)中抽取一个四元组。
UQI-LIUWJ·2022-05-31 07:54

强化学习系列（二):Q learning算法简介及python实现Q learning求解TSP问题

1.Qtable2.Q-learning算法伪代码二、Q-Learning求解TSP的python实现1）问题定义2）创建TSP环境3）定义DeliveryQAgent类4）定义每个episode下agent
zhugby·2022-05-28 07:44

将强化学习应用到量化投资中实战篇（学习模块开发下）

DQNLearner、PolicyGradientLearner、ActorCriticLearner、A2CLearner和A3CLearner分别是基于深度Q-learning、策略梯度、Actor-critic
大鹏的编程之路·2022-05-25 02:40

将强化学习应用到量化投资中实战篇（学习模块开发上）

DQNLearner、PolicyGradientLearner、ActorCriticLearner、A2CLearner和A3CLearner分别是基于深度Q-learning、策略梯度、Actor-critic
大鹏的编程之路·2022-05-25 02:10

动手强化学习（六）：DQN 算法

1.简介  在前面讲解讲解的Q-learning算法中，我们以矩阵的方式建立了一张存储每个状态下所有动作QQQ值的表格。表格中的每
Jasper0420·2022-05-22 07:24

深度强化学习极简入门（六）——强化学习中的时间差分方法（Sarsa、Q-learning）

【引言】上一篇文章介绍了表格型强化学习中的蒙特卡洛方法及其实现。这篇文章将介绍强化学习中的另一类重要思想——时间差分(Temporaldifference,TD)思想，以及该思想衍生出的两个重要算法：SarsaQ-learning了解原理后将实现这两个算法，并且在“悬崖行走”环境中对算法进行测试。文章目录中英文术语对照表1强化学习中的时间差分算法1.1Sarsa算法1.1.1原理介绍1.1.2算法
如莫·2022-05-17 16:51

强化学习基础记录

强化学习中Q-learning和Saras的对比一、Q-learning二、Saras多智能体强化学习小白一枚，最近在学习强化学习基础，在此记录，以防忘记。
喜欢库里的强化小白·2022-05-16 07:06

强化学习基础记录

DQN强化学习记录一、环境介绍二、算法简单介绍  DQN算法是Q-learning算法与深度神经网络的结合(Deep-Q-Network)，用于解决维度过高的问题。
喜欢库里的强化小白·2022-05-16 07:06

使用tensorflow进行简单的强化学习 1—Q-learning

注：该系列文章为学习笔记，欢迎指正！文章目录前言一、Q-learning1.FrozenLake环境2.Q-Learning的简单实现二、Q-TableLearning代码实现1.调用FrozenLake环境2.Q-TableLearning算法代码实现3.Q-TableLearning整体代码三、Q-LearningwithNeuralNetworks1.Q-networkLearning简单实
玉方知·2022-05-15 07:33

强化学习 7—— 一文读懂 Deep Q-Learning（DQN）算法

上篇文章强化学习——状态价值函数逼近介绍了价值函数逼近（ValueFunctionApproximation，VFA）的理论，本篇文章介绍大名鼎鼎的DQN算法。DQN算法是DeepMind团队在2015年提出的算法，对于强化学习训练苦难问题，其开创性的提出了两个解决办法，在atari游戏上都有不俗的表现。论文发表在了Nature上，此后的一些DQN相关算法都是在其基础上改进，可以说是打开了深度强化
jsfantasy·2022-04-19 07:53

【强化学习】 Nature DQN算法与莫烦代码重现（tensorflow)

在Q-learning中，我们是根据不断更新Q-table中的值来进行训练。但是在数据量比较大的情况下，Q-table是无法容纳所有的数据量，因此提出了DQN。
努力写代码的小梁·2022-04-19 07:11

【李宏毅深度强化学习2018】P3 Q-learning（Basic Idea）

第三讲Q-learning（BasicIdea）视频地址：https://www.bilibili.com/video/av24724071?
Loki97·2022-04-11 07:41

深入了解强化学习Q-Learning

转至：https://www.freecodecamp.org/news/diving-deeper-into-reinforcement-learning-with-q-learning-c18d0db58efe/DivingdeeperintoReinforcementLearningwithQ-LearningbyThomasSimoniniThisarticleispartofDeepRe
nodead·2022-04-11 07:40

人工智能炼丹师《Using Deep Q-Learning to Control Optimization Hyperparameters》论文解读

文献链接：[1602.04062v1]UsingDeepQ-LearningtoControlOptimizationHyperparameters(arxiv.org)在探索强化学习应用的无目的搜索中，偶然发现一篇让我让很是感兴趣的文章：利用强化学习去进行超参数的调节。超参数指的是人工设定的，在训练过程中不会改变的一系列参数类似学习率，步长，卷积层，卷积核等等，且一般为了达到比较良好的效果，炼丹
极乐寺住持·2022-04-11 07:57

强化学习（1）：Q-Learning 算法

本文主要讲解有关Q-Learning算法的内容，主要包括on-policy和off-policy的概念、Q-Learning算法的基本思想和算法流程，最后还会讲解一个莫烦大神的例子。
棉花糖灬·2022-04-09 07:34

表格型方法Sarsa和Q-Learning算法

一、Q表格我们可以用状态动作价值来表达说在某个状态下，为什么动作1会比动作2好，因为动作1的价值比动作2要高，这个价值就叫Q函数。如果Q表格是一张已经训练好的表格的话，那这一张表格就像是一本生活手册。我们就知道在熊发怒的时候，装死的价值会高一点。在熊离开的时候，我们可能偷偷逃跑的会比较容易获救。这张表格里面Q函数的意义就是我选择了这个动作之后，最后面能不能成功，就是我需要去计算在这个状态下，我选择
许你常欢·2022-04-09 07:27

强化学习用 Sarsa 算法与 Q-learning 算法实现FrozenLake-v0

基础知识关于Q-learning和Sarsa算法,详情参见博客强化学习（Q-Learning，Sarsa）Sarsa算法框架为Q-learning算法框架为关于FrozenLake-v0环境介绍,请参见
waitingwinter·2022-04-09 07:52

强化学习入门4—Q-learning和Sarsa

目录时序差分TDQ-Learning算法流程Sarsa算法流程小结本文是强化学习入门系列的第4篇，主要介绍强化学习当中非常常见的两个时序差分算法：Q-learning和Sarsa。
小菜羊~·2022-04-09 07:50

强化学习实践笔记（1）——Q-learning、SARSA和SARSA(lambda)

概述本文介绍了单步Q-learning和SARSA的原理和python实现，还有基于eligibilitytrace的SARSA(λ\lambdaλ)算法。
RavenRaaven·2022-04-09 07:46

强化学习算法：Q-learning与Sarsa（区别与联系）

文章目录Q-learningSarsa二者主要区别区别详解Q-learning与Sarsa图解cliff-walking代码实例Q−learningQ-learningQ−learning与SarsaSarsaSarsa
条件反射104·2022-04-09 07:16

强化学习（一）--Sarsa与Q-learning算法

强化学习（一）--Sarsa与Q-learning算法1.SARSA算法2.Q-learning算法3.代码实现3.1主函数3.2训练及测试函数3.3SarsaAgent类的实现3.3.1sample函数
BUAA小乔·2022-04-09 07:15

强化学习 5 —— SARSA and Q-Learning 算法代码实现

强化学习5——SARSAandQ-Learning上篇文章强化学习——时序差分(TD)—SARSAandQ-Learning我们介绍了时序差分TD算法解决强化学习的评估和控制问题，TD对比MC有很多优势，比如TD有更低方差，可以学习不完整的序列。所以我们可以在策略控制循环中使用TD来代替MC。优于TD算法的诸多优点，因此现在主流的强化学习求解方法都是基于TD的。这篇文章会使用就用代码实现SARSA
jsfantasy·2022-04-09 07:11

强化学习 4 —— 时序差分法（TD）的解决无模型的预测与控制（SARSA and Q-Learning）

强化学习4——ModelFreeTD在上篇文章强化学习3——蒙特卡洛(MC)采样法的预测与控制中我们讨论了ModelFree情况下的策略评估问题，主要介绍了蒙特卡洛（MC）采样法的预测与控制问题，这次我们介绍另外一种方法——时序差分法（TD）一、时序差分采样法（TD）对于MC采样法，如果我们没有完整的状态序列，那么就无法使用蒙特卡罗法求解了。当获取不到完整状态序列时，可以使用时序差分法(Tempo
jsfantasy·2022-04-09 07:11

强化学习(五)：Sarsa算法与Q-Learning算法

上一节主要讲了Monte-Carlolearning，TDlearning，TD(λ)。这三个方法都是为了在给定策略下来估计价值函数V(s)。只不过Monte-Carlolearning需要得到一个完整的episode才能进行一次v值更新，而TDlearning则不用，它可以每走一步就更新一次v值。但是我们的目标是想得到最优策略，所以我们这一讲就是为了通过价值函数，反过来改进策略。两者互相迭代改进
Webbley·2022-04-09 07:08

强化学习2——Q算法、TD算法、Sarsa算法

1992年Watkins提出Q-learning算法。1994年rummery提出Saras算法。1996年Bersekas提出解决随机过程中优化控制的神经动态规划方法。
路漫求索_CUMT·2022-04-09 07:07

强化学习部分基础算法总结（Q-learning DQN PG AC DDPG TD3）

总结回顾一下近期学习的RL算法，并给部分实现算法整理了流程图、贴了代码。1.value-based基于价值的算法基于价值算法是通过对agent所属的environment的状态或者状态动作对进行评分。对于已经训练好的模型，agent只需要根据价值函数对当前状态选择评分最高的动作即可；对于正在训练的模型，我们通常将目标值（真实行动带来的反馈）和价值函数的预测值的差距作为loss训练价值函数。通常使用
RobinZZX·2022-04-09 07:03

强化学习从入门到放弃（二）Q-learning 与 Sarsa

Q-Learning与Sarsaq-learning与sarsa都是modelfree情况下通过TD求解的Bellmanequation的方法。
Lixian ma·2022-04-09 07:33

强化学习—— TD算法（Sarsa算法+Q-learning算法）

强化学习——TD算法（Sarsa算法+Q-learning算法）1.Sarsa算法1.1TDTarget1.2表格形式的Sarsa算法1.3神经网络形式的Sarsa算法2.Q-learning算法2.1TDTarget2.2
CyrusMay·2022-04-09 07:28

深度确定性策略梯度（DDPG）

对于连续的动作控制空间，Q-learning与DQN等算法是无法处理的。我们无法用这些算法穷举出所有action的Q值，更无法取其中最大的Q值。
行者AI·2022-03-30 14:53

强化学习入门6—Policy Gradient策略梯度算法

连续性问题REINFORCE：蒙特卡洛策略梯度加一个baseline小结本文是强化学习入门系列的第六篇，将介绍一种有别于前面Q-learning这些基于价值的算法——策略梯度。
小菜羊~·2022-03-30 07:39

【强化学习】策略梯度Policy-Gradient

强化学习方法的引入策略梯度的优化目标策略函数的设计Softmax策略函数Gauss策略函数蒙特卡罗策略梯度reinforce算法小结强化学习笔记，内容来自刘建平老师的博客Value-based强化学习方法的不足Q-learning
最忆是江南.·2022-03-30 07:09

强化学习——从Q-Learning到DQN

1学习目标复习Q-Learning；理解什么是值函数近似（FunctionApproximation）；理解什么是DQN，弄清它和Q-Learning的区别是什么。
all is okk·2022-03-29 07:49

基于Pytorch的强化学习(DQN)之 Multistep TD target

目录1.引言2.数学推导3.文献1.引言我们之前已经学习了Sarsa算法和Q-learning算法，我们知道这两者都是基于TD算法的，我们又知道TD算法效果改变受TDtarget影响，我们思考一下，如果我们选用包含真实信息更多的
ZDDWLIG·2022-03-27 07:42

基于Pytorch的强化学习(DQN)之Q-learning

目录1.引言2.数学推导3.算法1.引言我们上次已经介绍了Saras算法，现在我们来学习一下和Saras算法非常相似的一个算法:Q-learning算法。
ZDDWLIG·2022-03-27 07:42

强化学习笔记：DQN和DDQN

本文整理于datawhalechina.github.io的强化学习教程0x01intro在Q-learning中，我们学习的是一个“评论函数”Qπ(s,a)Q^\pi(s,a)Qπ(s,a)，通过其函数值判断当前状态
Nu1Lpo1hT3r·2022-03-26 06:36

强化学习的基本求解方法(二)

固定策略时间差分法以Sarsa算法为代表；非固定策略以Q-Learning算法为代表。
·2022-03-24 14:32

深度强化学习笔记——DQN原理与实现（pytorch+gym）

1.DQN（DeepQ-Network）基本原理DQN算法相当于对传统Q-learning算法的改进，与之不同的是，DQN使用了神经网络（结构可以自行设计）对actionvalue（即Q值）进行估计。
RavenRaaven·2022-03-23 08:52

强化学习之DQN算法实战（Pytorch）

之前在博主另一篇关于Q-learning算法：https://blog.csdn.net/MR_kdcon/article/details/109612413，DQN算法是基于Q-learning算法的
Ton10·2022-03-23 07:02

强化学习之SAC

参考视频：周博磊强化学习课程价值函数优化学习主线：Q-learning→DQN→DDPG→TD3→SACQ-Learning，DQN和DDPG请可以参考我之前的文章：强化学习实践教学TD3可以参考我之前的博客
微笑小星·2022-03-22 07:11

强化学习之TD3（pytorch实现）

.-1原论文：https://arxiv.org/abs/1802.09477价值函数优化学习主线：Q-learning→DQN→DDPG→TD3→SAC其中SAC和TD3算是目前很好的两个强化学习算法了
微笑小星·2022-03-22 07:08

Q-learning理解、实现以及动态分配应用（一）

强化学习的概念，通俗的讲，强化学习就是通过agent，也就是动作的发起者，对环境造成一个影响，环境接受该动作后状态发生变化，同时产生一个强化信号(奖或惩)反馈给Agent，Agent根据强化信号和环境当前状态再选择下一个动作，选择的原则是使受到正强化(奖)的概率增大。选择的动作不仅影响立即强化值，而且影响环境下一时刻的状态及最终的强化值。在强化学习中，包含两种基本的元素：状态与动作，在某个状态下执
洋葱ycy·2022-03-18 04:15

使用Python的OpenAI Gym对Deep Q-Learning的实操介绍（附学习资源）

翻译|张睿毅校对|吴金笛来源|数据派THU（ID:DatapiTHU）导言我一直对游戏着迷。在紧凑的时间线下执行一个动作似乎有无限的选择——这是一个令人兴奋的体验。没有什么比这更好的了。所以当我读到DeepMind提出的不可思议的算法（如AlphaGo和AlphaStar）时，我被吸引了。我想学习如何在我自己的机器上制造这些系统。这让我进入了深度强化学习（DeepRL）的世界。即使你不喜欢玩游戏，
Python大本营·2022-03-16 07:26

基于强化学习与深度强化学习的游戏AI训练

第一个小项目即为简单AI走迷宫游戏，通过强化学习的Q-learning算法，对AI进行训练来让其能以大概率找打一条通关路径并基本按照该路径进行移动。
Alex_SCY·2022-03-15 07:10

用Q-Learning算法实现无人车智能代理程序

优达学城的第四个项目，通过Q-Learning算法来实现一个简单的无人车代驾程序。先来一张训练过程的动图。训练过程.gif需求分析一个无人车需要满足的最基本需求就是安全性和可靠性。
刘开心_8a6c·2022-02-18 18:04

Q-Learning 和 SARSA 算法对比

1、Q-learningQ-learning算法的过程可以根据下面的步骤：首先，我们会初始化一个Q-table，可以是全0或者是其他的数值，一般都是全0，然后我们设定训练的轮数episodes，这里从初始状态直到终止状态算作一轮。那么在每一轮中，我们会有一个初始状态，然后会不断的采取动作，这里每一个动作叫做一个step。在每一个step中，我们根据当前的状态通过一定的策略选择动作A，这里的策略可能
文哥的学习日记·2022-02-12 19:14

强化学习-什么是DQN

上一篇我们介绍了Q-learning，但是Q-learning的局限在于，处理不了state很复杂的情况，表格过大也会带来各种储存，查询，等等问题。
Chaos_YM·2022-02-10 22:15

详解策略梯度算法

之前我们介绍的Q-learning、Saras和DQN都是基于价值去学习，虽然这种强化学习方法在很多领域都获得较多的应用，但是它的局限性也是比较明显。
行者AI·2022-01-21 09:19
上一页 4 5 6 7 8 9 10 11 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他