世界冠軍帶你從零實踐強化學(xué)習(xí)
?
Lesson1-3-GYM實戰(zhàn)、PARL介紹、總結(jié)、環(huán)境安裝 P3 - 01:11
?import gym
from gridworld import CliffWalkingWapper
env=gym.make("CliffWalking-v0")
env=ClifWalkingWapper(env)
env.reset() //重置環(huán)境
env.render() //渲染環(huán)境
env.step(0) //輸入動作
環(huán)境安裝：
上圖中 P為狀態(tài)轉(zhuǎn)移概率
model free 表示的下一個狀態(tài)是未知的
Sarsa算法：
?
Lesson2-3-Sarsa算法介紹與代碼解析 P6 - 04:06
?：動作選擇實現(xiàn)，探索和利用隨機進行
總代碼如下：
obs_n： 為狀態(tài)的維度，有多少個狀態(tài)就有多少個維度
act_n: 動作維度
Q-Learning:
?
Lesson3-2-DQN算法解析 P10 - 01:33
?DQN：
經(jīng)驗回訪策略：
Behavior policy:使用Q表格選擇行動，并將每個狀態(tài)的動作，回報保存在緩沖區(qū)中，
Target policy：利用這些緩沖區(qū)中的數(shù)據(jù)對Q表格進行更新
緩沖區(qū)的實現(xiàn)方式：
固定Q目標(biāo)：意思就是固定一段時間Q的表格，讓Q_target為固定的值
DQN代碼解析：
?
Lesson5-3-四軸飛行器與創(chuàng)意賽 P20 - 03:22
?
標(biāo)簽：
