本文将会讨论策略优化的数学基础，并且会附上简单的实践代码。三个要点 一个简单的等式，将策略梯度跟策略模型参数连接起来一条规则，允许我们将无用的项从等式里去掉另一条规则，允许我们在等式中添加有用的项……继续阅读 » 我是。 4年前 (2021-04-26) 1491浏览 0评论687个赞
前言： 已入强化学习一个学期了，发现自己急需一个物理环境来进行训练机器人，前前后后参考过过许多环境，但是最后选择了Unity3D,这是因为其足够简单，不用费很大的功夫就可以建立一个简易的机器人，只需要编写C#脚本和tensoflow进行通讯，立马就……继续阅读 » JameScottX 4年前 (2021-04-26) 1545浏览 0评论1922个赞
函数近似方法有模型数值迭代算法、回合更新算法和时序差分更新算法，在每次更新价值函数时都只更新某个状态（或状态动作对）下的价值估计。但是，在有些任务中，状态和动作的数目非常大，甚至可能是无穷大，这时，不可能对所有的状态（或状态动作对）逐一进行更新……继续阅读 » 柯南404 4年前 (2021-04-26) 2298浏览 0评论2723个赞
强化学习（英语：Reinforcement learning，简称RL）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。其灵感来源于心理学中的行为主义理论，即有机体如何在环……继续阅读 » Stan Fu 4年前 (2021-04-26) 1714浏览 0评论2339个赞
强化学习（三） – Gym库介绍和使用，Markov决策程序实例，动态规划决策实例1. 引言在这个部分补充之前马尔科夫决策和动态规划部分的代码。在以后的内容我会把相关代码都附到相关内容的后面。本部分代码和将来的代码会参考《……继续阅读 » Stan Fu 4年前 (2021-04-26) 1948浏览 0评论2004个赞
强化学习（四） – 蒙特卡洛方法（Monte Carlo Methods）及实例……继续阅读 » Stan Fu 4年前 (2021-04-26) 1644浏览 0评论286个赞
线性近似最常使用的函数近似就是线性近似和人工神经网络。本节介绍线性近似。线性近似是用许多特征向量的线性组合来近似价值函数。特征向量则依赖于输入（即状态或状态动作对）。以动作价值近似为例，我们可以为每个状态动作对定义多个不同的特征x ( s , ……继续阅读 » 柯南404 4年前 (2021-04-26) 2288浏览 0评论2084个赞
强化学习（五） – 时序差分学习（Temporal-Difference Learning）及其实例5.1 TD预测例5.1 回家时……继续阅读 » Stan Fu 4年前 (2021-04-26) 2797浏览 0评论2144个赞
强化学习（六） – 连续空间中的强化学习6.1 连续空间中的强化学习6.2 离散空间和连续空间……继续阅读 » Stan Fu 4年前 (2021-04-26) 2690浏览 0评论1294个赞
DQN算法实战-小车上山案例分析实验环境用线性近似求解最优策略用深度Q学习求解最优策略 ……继续阅读 » 柯南404 4年前 (2021-04-26) 3005浏览 0评论1975个赞
策略梯度方法-python车杆平衡实战案例分析同策策略梯度算法求解最优策略异策策略梯度算法求解最优策略……继续阅读 » 柯南404 4年前 (2021-04-26) 2286浏览 0评论1980个赞
actor-critic方法（一）— 同策方法同策actor-critic方法动作价值actor-critic算法优势actor-critic算法……继续阅读 » 柯南404 4年前 (2021-04-26) 2864浏览 0评论212个赞
马尔可夫决策-悬崖寻路python实现案例分析要点概括环境使用求解Bellman期望方程求解Bellman最优方程总……继续阅读 » 柯南404 4年前 (2021-04-26) 2598浏览 0评论2880个赞
深度Q学习原理及相关实例8. 深度Q学习8.1 经验回放8.2 目标网络8.3 相关算法8.4……继续阅读 » Stan Fu 4年前 (2021-04-26) 2030浏览 0评论2836个赞
创建Simulink环境并训练智能体水箱模型创建环境界面创建DDPG智能体训练智能体验证训练的智能体本地函数……继续阅读 » 柯南404 4年前 (2021-04-26) 2781浏览 0评论502个赞
创建水箱强化学习模型问题描述行动与观测奖励信号终止信号创建环境对象重置函数&nbs……继续阅读 » 柯南404 4年前 (2021-04-26) 1576浏览 0评论1240个赞
前面几节，我们已经把PPO算法实现完成了，下面只剩下环境了。今天我们把环境的封装完成。对于机械臂或者机器人的训练来说，一个比较好用的仿真器是pybullet，另外一个是unity。gazebo、vrep等虽然可以做，但是相比pybullet直接使用Pyth……继续阅读 » bug404 4年前 (2021-04-26) 2348浏览 0评论491个赞
![[强化学习实战]函数近似方法与原理](https://blog.75271.com/wp-content/themes/com75271/timthumb.php?src=/Uploads/Editor/202103/20210318_59417.png&h=123&w=200&q=90&zc=1&ct=1)
![[强化学习实战]函数近似方法-线性近似与函数近似的收敛性](https://blog.75271.com/wp-content/themes/com75271/timthumb.php?src=https://img-blog.csdnimg.cn/20201023201342502.png#pic_center&h=123&w=200&q=90&zc=1&ct=1)
![[强化学习实战]DQN算法实战-小车上山(MountainCar-v0)](https://blog.75271.com/wp-content/themes/com75271/timthumb.php?src=https://img-blog.csdnimg.cn/20201024095956671.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dhbmd5aWZhbjEyMzQ1Nnp6,size_16,color_FFFFFF,t_70#pic_center&h=123&w=200&q=90&zc=1&ct=1)
![[强化学习实战]策略梯度方法(policy gradient)-python车杆平衡实战](https://blog.75271.com/wp-content/themes/com75271/timthumb.php?src=https://img-blog.csdnimg.cn/20201026110818256.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dhbmd5aWZhbjEyMzQ1Nnp6,size_16,color_FFFFFF,t_70#pic_center&h=123&w=200&q=90&zc=1&ct=1)
![[强化学习实战]actor-critic方法（一）—同策方法](https://blog.75271.com/wp-content/themes/com75271/timthumb.php?src=https://blog.75271.com/wp-content/themes/com75271/css/img/pic/10.jpg&h=123&w=200&q=90&zc=1&ct=1)
![[强化学习实战]马尔可夫决策-悬崖寻路python实现](https://blog.75271.com/wp-content/themes/com75271/timthumb.php?src=https://img-blog.csdnimg.cn/20201030132741678.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dhbmd5aWZhbjEyMzQ1Nnp6,size_16,color_FFFFFF,t_70#pic_center&h=123&w=200&q=90&zc=1&ct=1)
