强化学习传说：第五章 基于模型的强化学习 无模型的方法是通过agent不断探索环境，不断试错，不断学习，因此导致了无模型的方法数据效率不高。而基于模型的方法则相反，它能够充分利用已有的模型，高效地利用数据。 简单的思路： 先训练得到环境模型，再利用规划求解。但是本来专家算法就是这么做 ...

Deep Recurrent Q-Learning for Partially Observable MDPs 论文地址 DRQN 笔记 DQN 每一个decision time 需要该时刻前４个frame 来获得完整的状态信息。但是有的游戏四张图片也不能获取完整的状态信息。所以这篇论文 ...

Deep Reinforcement Learning with Double Q-learning 论文地址： Double-DQN Double Q-learning 笔记 在传统强化学习领域里面，学者们已经认识到了Q-learning 存在overestimate的问题 ...

Deterministic Policy Gradient Algorithms 论文地址 DPG 笔记 出发点 首先最开始提出的policy gradient 算法是 stochastic的。 这里的随机是指随机策略\(\pi_\theta(a|s)=P[a|s,;\theta ...

的论文的研究主题非常多样，涵盖深度学习模型/架构/理论、强化学习、优化方法、在线学习、生成模型、迁移学 ...

Dueling Network Architectures for Deep Reinforcement Learning 论文地址 DuelingDQN 笔记 基本思路就是\(Q(s,a)\)的值既和state有关，又和action有关。但是两种"有关"的程度不一样，或者说影响力 ...

Playing Atari with Deep Reinforcement Learning 论文地址 DQN 笔记 这篇文章就是DQN,DRL领域非常重要的一篇文章,也是David Silver大神的工作。文章本身没有什么难度。 文章说了RL和DL 的两个不同之处: DL ...

Reinforcement Learning with Deep Energy-Based Policies 论文地址 soft Q-learning 笔记 标准的强化学习策略 \[\begin{equation}\pi^*_{std} = \underset{\pi ...