【强化学习RL】必须知道的基础概念和MDP
本系列强化学习内容来源自对David Silver课程的学习 课程链接http://www0.cs.ucl.ac.uk/staff/D.Silver/web/Teaching.html 之前接触过RL（Reinforcement Learning） 并且在组会学习轮讲里讲过一次Policy ...
原文：【RL系列】MDP与DP问题
推荐阅读顺序： Reinforcement Learning: An Introduction Drfit 有限马尔可夫决策过程 动态编程笔记 Dynamic programming inPython 本篇 马尔可夫决策过程 马尔可夫决策 MDP 过程为强化学习 RL 提供了理论基础，而动态编程 DP 为马尔可夫决策过程提供了一种实现的方法。所以将这两个部分结合在一起去学习，我认为是非常合适的。 ...
2018-07-11 13:25 0 3387 推荐指数：
相关推荐
【RL系列】Multi-Armed Bandit问题笔记
这是我学习Reinforcement Learning的一篇记录总结，参考了这本介绍RL比较经典的Reinforcement Learning: An Introduction (Drfit) 。这本书的正文部分对理论的分析与解释做的非常详细，并且也给出了对结论详尽的解析，但是把问题的解决和实现 ...
【RL系列】SARSA算法的基本结构
SARSA算法严格上来说，是TD(0)关于状态动作函数估计的on-policy形式，所以其基本架构与TD的$v_{\pi}$估计算法（on-policy）并无太大区别，所以这里就不再单独阐述之。本文主 ...
goj 递推题目系列之一涂色问题（递推dp）
Problem Description: Input: Output: Sample Input: Sample Outpu ...
【RL系列】On-Policy与Off-Policy
强化学习大致上可分为两类，一类是Markov Decision Learning，另一类是与之相对的Model Free Learning 分为这两类是站在问题描述的角度上考虑的。同样在解决方案上存在着两种方法对应着这两类问题描述，即Dynamic Programming(DP ...
mujoco d4rl 安装问题
最近mujoco免费了，属实爽歪歪，安装d4rl没有以前那么麻烦了（不知为何半年前我安装d4rl时走了那么多弯路） mujoco安装 在 https://mujoco.org/download 上面下载对应系统版本的mujoco，然后解压得到 mujoco210这个文件夹，把这个文件夹放在 ...
DP入门基本问题
个人对简单的dp问题的理解：找是否有重叠问题，明确递推关系，怎么推的（顺序千万不要搞错），找到状态方程，循环时注意边界条件和方程式是否严格成立。 转自：https://www.cnblogs.com/zyx1301691180/p/5727918.html HDU ２０８４ ...
常见DP问题汇总
注：本文目前只提供速记，不提供详解。 目录 1. 5. 最长回文子串[五星] 2. 516. 最长回文子序列 [五星] 1. 5. 最长回文子串[五星] 状态： 令 dp[i][j] 表示子数组 s[i...j] 是否为回文子串。初始化 dp[i][i ...