回顾KDD2017 A Taxi Order Dispatch Model based On Combinatorial Optimization 最大化全局的匹配概率 基于贝叶斯框架来预测用户 ...

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 ...

本文介绍强化学习的基本概念及建模方法 什么是强化学习 强化学习主要解决贯续决策问题，强调一个智能体在不断的跟环境交互的过程中通过优化策略从而在整个交互过程中获得最多的回报。 图中的大脑代表智能体agent，智能体根据当前环境\(s_t\) 选择一个动作\(a_t\)执行，这个\(a_t ...

　　　　从今天开始整理强化学习领域的知识，主要参考的资料是Sutton的强化学习书和UCL强化学习的课程。这个系列大概准备写10到20篇，希望写完后自己的强化学习碎片化知识可以得到融会贯通，也希望可以帮到更多的人，毕竟目前系统的讲解强化学习的中文资料不太多。 　　　　第一篇会从强化学习的基本概念 ...

一. 开山鼻祖DQN 1. Playing Atari with Deep Reinforcement Learning，V. Mnih et al., NIPS Workshop, ...

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 ...