【強化學習RL】必須知道的基礎概念和MDP
本系列強化學習內容來源自對David Silver課程的學習 課程鏈接http://www0.cs.ucl.ac.uk/staff/D.Silver/web/Teaching.html 之前接觸過RL（Reinforcement Learning） 並且在組會學習輪講里講過一次Policy ...
原文：【RL系列】MDP與DP問題
推薦閱讀順序： Reinforcement Learning: An Introduction Drfit 有限馬爾可夫決策過程 動態編程筆記 Dynamic programming inPython 本篇 馬爾可夫決策過程 馬爾可夫決策 MDP 過程為強化學習 RL 提供了理論基礎，而動態編程 DP 為馬爾可夫決策過程提供了一種實現的方法。所以將這兩個部分結合在一起去學習，我認為是非常合適的。 ...
2018-07-11 13:25 0 3387 推薦指數：
相關推薦
【RL系列】Multi-Armed Bandit問題筆記
這是我學習Reinforcement Learning的一篇記錄總結，參考了這本介紹RL比較經典的Reinforcement Learning: An Introduction (Drfit) 。這本書的正文部分對理論的分析與解釋做的非常詳細，並且也給出了對結論詳盡的解析，但是把問題的解決和實現 ...
【RL系列】SARSA算法的基本結構
SARSA算法嚴格上來說，是TD(0)關於狀態動作函數估計的on-policy形式，所以其基本架構與TD的$v_{\pi}$估計算法（on-policy）並無太大區別，所以這里就不再單獨闡述之。本文主 ...
goj 遞推題目系列之一塗色問題（遞推dp）
Problem Description: Input: Output: Sample Input: Sample Outpu ...
【RL系列】On-Policy與Off-Policy
強化學習大致上可分為兩類，一類是Markov Decision Learning，另一類是與之相對的Model Free Learning 分為這兩類是站在問題描述的角度上考慮的。同樣在解決方案上存在着兩種方法對應着這兩類問題描述，即Dynamic Programming(DP ...
mujoco d4rl 安裝問題
最近mujoco免費了，屬實爽歪歪，安裝d4rl沒有以前那么麻煩了（不知為何半年前我安裝d4rl時走了那么多彎路） mujoco安裝 在 https://mujoco.org/download 上面下載對應系統版本的mujoco，然后解壓得到 mujoco210這個文件夾，把這個文件夾放在 ...
DP入門基本問題
個人對簡單的dp問題的理解：找是否有重疊問題，明確遞推關系，怎么推的（順序千萬不要搞錯），找到狀態方程，循環時注意邊界條件和方程式是否嚴格成立。 轉自：https://www.cnblogs.com/zyx1301691180/p/5727918.html HDU ２０８４ ...
常見DP問題匯總
注：本文目前只提供速記，不提供詳解。 目錄 1. 5. 最長回文子串[五星] 2. 516. 最長回文子序列 [五星] 1. 5. 最長回文子串[五星] 狀態： 令 dp[i][j] 表示子數組 s[i...j] 是否為回文子串。初始化 dp[i][i ...