相关内容简体繁体

Q -learning入门

本文转载自查看原文 2021-09-30 19:49 129

算法思想

Q-Learning是强化学习算法中value-based的算法，Q即为Q（s，a），就是在某一个时刻的state状态下，采取动作a能够获得收益的期望，环境会根据agent的动作反馈相应的reward奖赏，
所以算法的主要思想就是将state和action构建成一张Q_table表来存储Q值，然后根据Q值来选取能够获得最大收益的动作。
Q-learning的主要优势就是使用了时间差分法（融合了蒙特卡洛和动态规划）能够进行off-policy的学习，使用贝尔曼方程可以对马尔科夫过程求解最优策略。

算法公式

参数介绍：

Epsilon greedy：是用在决策上的一个策略，比如epsilon = 0.9的时候，就说明百分之90的情况我会按照Q表的最优值选择行为，百分之10的时间随机选择行为。
alpha：学习率，决定这次的误差有多少是要被学习的。
gamma：对未来reward的衰减值。gamma越接近1，机器对未来的reward越敏感

免责声明！

本站转载的文章为个人学习借鉴使用，本站对版权不负任何法律责任。如果侵犯了您的隐私权益，请联系本站邮箱yoyou2525@163.com删除。

猜您在找 DQN（Deep Q-learning）入门教程（四）之Q-learning Play Flappy Bird 增强学习Q-learning分析与演示（入门） DQN（Deep Q-learning）入门教程（结束）之总结 DQN（Deep Q-learning）入门教程（零）之教程介绍 DQN（Deep Q-learning）入门教程（五）之DQN介绍 DQN（Deep Q-learning）入门教程（三）之蒙特卡罗法算法与Q-learning算法 Meta-Q-Learning Q-learning DQN（Deep Q-learning）入门教程（六）之DQN Play Flappy-bird ，MountainCar DQN（Deep Q-learning）入门教程（一）之强化学习介绍

粤ICP备18138465号 © 2018-2025 CODEPRJ.COM