參考深度學習q learning_第1頁
參考深度學習q learning_第2頁
參考深度學習q learning_第3頁
參考深度學習q learning_第4頁
參考深度學習q learning_第5頁
已閱讀5頁，還剩11頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權，請進行舉報或認領

文檔簡介

1 2/ 3/可以理解為(agent)通過在 4/

戲開始后的某一個畫面(某一幀))在狀態(tài) 采取某個行動At(比如向右移動轉(zhuǎn)移到下一個狀態(tài)St+1(游戲的下一個畫面(下一幀 一個回報Rt+1(如果沒 ，獲得回報+1)循環(huán)進行，并輸出每一時刻的[狀態(tài)，行動，回報]， 5/

γ,γ01)Gt=Rt+1+γRt+2+γ2Rt+3+ 6/ 7/ 基于策略的方法 8/ 從狀態(tài)St開始，預期在未來可以獲得的累積回報V(s)=E[Rt+1+γRt+2+γ2Rt+3+...|St= 9/π(s)V(s)

a=π(a|s)=P(At=a|St= Gradient、 10/ 11/

(MonteV(St)=V(St)+α[Gt?V(St)=V(St)+α[Rt+1+γV(St+1)? 12/ 13/QlearningQlearning 14/Qlearning

Qlearning 目標:獲得一個指 15/Qlearning

Qlearning 初始化QQ(s,a)為0，Qm行n選擇行動 有更大的概率去依賴Q值表選取行動sasQQ值利用Bellman方程更新Q(s,a)Q(s,a)=Q(s,a)+α[R(s,a)+γmaxQ(s′,a′)?Q(s, 16/

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權或不適當內(nèi)容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論