强化学习莫凡python——一些补充

2023-12-11 20:10

本文主要是介绍强化学习莫凡python——一些补充,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

1. RL分类

在这里插入图片描述

  • model-free方法:对环境不了解,每次行动只能等环境的反馈才可以进行下一步
  • model-based方法:由于已经对环境有一定的了解,所以每次在执行行动的时候可以预先想象到之后环境的反馈,来更好指导自己的决策。
  • 对环境的了解主要体现在:环境的奖励、环境的一些状态转移概率,这些内容是否已知

在这里插入图片描述

  • 基于概率的方法输出的是每个动作的概率,这时每个动作都有可能被选到
  • 基于价值的方法输出的每个动作的价值,这时只会选到价值最大的动作

在这里插入图片描述

  • 对于动作空间是连续值的场景来说,基于价值的方法是无能为力的,但是基于概率的方式却可以使用一个概率分布区进行描述,来选择一个动作

在这里插入图片描述

  • 结合基于概率的方法和基于值的方法,可以得到一种更强大的方法:Actor-Critic
  • Actor使用概率来选择动作
  • Critic对actor做出的动作给出价值
  • 这样就在原有的Policy Gradients基础上加入了学习过程

在这里插入图片描述
在这里插入图片描述

  • 因为单步更新效率高,所以现在大多数方式都采用单步更新

在这里插入图片描述

  • 在线学习就是要自己一边学习一边和环境交互
  • 离线学习就是可以让别人学,然后自己可以找别的时间看着它学,不用一直自己边学边和环境交互。 决策过程学习优化决策的过程 是分开的

在这里插入图片描述
在这里插入图片描述

  • 假设Q-learning的机器人天生是机器人,
  • γ = 1 \gamma=1 γ=1的时候,就是给了它一副贼好的眼睛,所以它可以非常清晰看到所有未来步骤的奖赏
  • γ = 0 \gamma=0 γ=0的时候,就是眼睛度数不合适,所以看不见未来,只能看到刚刚走的那步的奖励
  • γ = [ 0 ∼ 1 ] \gamma=[0\sim1] γ=[01]时,就是上面的公式,越远的未来看的越不清楚,也就是未来的奖励衰减越来越大。

2. Q-learning

在这里插入图片描述
有一个实际值,有一个估计值(这点有点像监督学习),然后让估计/预测值不断靠近实际值,就可以得到一个很好的Q表。
然后再结合 ϵ \epsilon ϵ greed策略去选择动作(策略是指导选取动作的)

3. Sarsa

在这里插入图片描述
Q_learning和Sarsa都是model_free的方法

4. Sara-lambda

在这里插入图片描述

  • Sarsa就是Sarsa(0),是一种单步更新的方式,
  • Sarsa(1)属于回合更新,一次episode结束后,所有步都同等程度更新
  • Sarsa( λ \lambda λ)中的这个 λ \lambda λ参数和之前的 γ \gamma γ有点像
    • λ \lambda λ参数是更新程度的描述,越靠近终点(或者说要靠近奖励越大的地方),更新的幅度越大
    • γ \gamma γ则是当前动作的价值的衰减因子,越远则价值越小。

5. DQN

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

6.Actor-Critic

在这里插入图片描述

在这里插入图片描述

这篇关于强化学习莫凡python——一些补充的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/481966

相关文章

使用Python实现矢量路径的压缩、解压与可视化

《使用Python实现矢量路径的压缩、解压与可视化》在图形设计和Web开发中,矢量路径数据的高效存储与传输至关重要,本文将通过一个Python示例,展示如何将复杂的矢量路径命令序列压缩为JSON格式,... 目录引言核心功能概述1. 路径命令解析2. 路径数据压缩3. 路径数据解压4. 可视化代码实现详解1

python获取网页表格的多种方法汇总

《python获取网页表格的多种方法汇总》我们在网页上看到很多的表格,如果要获取里面的数据或者转化成其他格式,就需要将表格获取下来并进行整理,在Python中,获取网页表格的方法有多种,下面就跟随小编... 目录1. 使用Pandas的read_html2. 使用BeautifulSoup和pandas3.

Python装饰器之类装饰器详解

《Python装饰器之类装饰器详解》本文将详细介绍Python中类装饰器的概念、使用方法以及应用场景,并通过一个综合详细的例子展示如何使用类装饰器,希望对大家有所帮助,如有错误或未考虑完全的地方,望不... 目录1. 引言2. 装饰器的基本概念2.1. 函数装饰器复习2.2 类装饰器的定义和使用3. 类装饰

Python 交互式可视化的利器Bokeh的使用

《Python交互式可视化的利器Bokeh的使用》Bokeh是一个专注于Web端交互式数据可视化的Python库,本文主要介绍了Python交互式可视化的利器Bokeh的使用,具有一定的参考价值,感... 目录1. Bokeh 简介1.1 为什么选择 Bokeh1.2 安装与环境配置2. Bokeh 基础2

Java学习手册之Filter和Listener使用方法

《Java学习手册之Filter和Listener使用方法》:本文主要介绍Java学习手册之Filter和Listener使用方法的相关资料,Filter是一种拦截器,可以在请求到达Servl... 目录一、Filter(过滤器)1. Filter 的工作原理2. Filter 的配置与使用二、Listen

如何使用 Python 读取 Excel 数据

《如何使用Python读取Excel数据》:本文主要介绍使用Python读取Excel数据的详细教程,通过pandas和openpyxl,你可以轻松读取Excel文件,并进行各种数据处理操... 目录使用 python 读取 Excel 数据的详细教程1. 安装必要的依赖2. 读取 Excel 文件3. 读

Python的time模块一些常用功能(各种与时间相关的函数)

《Python的time模块一些常用功能(各种与时间相关的函数)》Python的time模块提供了各种与时间相关的函数,包括获取当前时间、处理时间间隔、执行时间测量等,:本文主要介绍Python的... 目录1. 获取当前时间2. 时间格式化3. 延时执行4. 时间戳运算5. 计算代码执行时间6. 转换为指

利用Python调试串口的示例代码

《利用Python调试串口的示例代码》在嵌入式开发、物联网设备调试过程中,串口通信是最基础的调试手段本文将带你用Python+ttkbootstrap打造一款高颜值、多功能的串口调试助手,需要的可以了... 目录概述:为什么需要专业的串口调试工具项目架构设计1.1 技术栈选型1.2 关键类说明1.3 线程模

Python ZIP文件操作技巧详解

《PythonZIP文件操作技巧详解》在数据处理和系统开发中,ZIP文件操作是开发者必须掌握的核心技能,Python标准库提供的zipfile模块以简洁的API和跨平台特性,成为处理ZIP文件的首选... 目录一、ZIP文件操作基础三板斧1.1 创建压缩包1.2 解压操作1.3 文件遍历与信息获取二、进阶技

Python Transformers库(NLP处理库)案例代码讲解

《PythonTransformers库(NLP处理库)案例代码讲解》本文介绍transformers库的全面讲解,包含基础知识、高级用法、案例代码及学习路径,内容经过组织,适合不同阶段的学习者,对... 目录一、基础知识1. Transformers 库简介2. 安装与环境配置3. 快速上手示例二、核心模