内容课件说明_第1页
内容课件说明_第2页
全文预览已结束

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

一、强化学习后获得一个非常好的。需要强调的是，强化学习并不代表一类学习算法，则状态空间是完全可观察的，可以从MDP模型中获得良好的策略（如Q-learning及其变化。然而，在大多数情况下，不能完全观察和记录系统的状γ）组成的元组。SAT率。R是功能。Ω是一组观察值。O是一组观察概率。γ是折扣因子。可能会记录到两种可能的观察结果。在一种情况下，感知到太多三、model-free在Model-freeAgent能执行的动作和执行动作后的回报值，不同于Model-based方法，一般Agent在探索世界的过程中并不需要学习回报函数R(s,a)和状态转移函数Tr(s,a,s’)，而是直接利用当前状态s,执行的a,回报值r,到达的新状态s’来更新Q(s,a)，based更加实用，因为后者需要非常巨大的计算量。Model-free方法旨在学习POMDP模型的状态空间，而不是学习其他参数。式的方法来解决它，如HQ学习。具体过程如图1所示。Q以表示为𝑇𝑡=<𝑇𝑡−1𝑎𝑡−1𝑟𝑡𝑜𝑡>。在表达式中，𝑇𝑡−1表示在时间t-1（当前的时间是t。𝑎𝑡−1是最后一个动作。𝑜𝑡是目前的观察，𝑟𝑡是时间t的回报。NSM算法和USM算法都是基于实例的学习。四、USM）UtileSuffixMemory(USM)算法[McCallum,1995Instance-based法，这种方法以动作-回报-观察的三元组形式（即实例了agent在探索世界）𝑇𝑡=<𝑇𝑡−1,𝑎𝑡−1,𝑟𝑡,𝑜𝑡其中𝑇𝑡−1是上一个时刻的实例记录，𝑎𝑡−1是上一个动作，𝑜𝑡进而学习并计算Q值。USM算法使用了经典的记录字符串的后缀树的结构来实例序列信息。所有的实例Tt按

人人文库> 全部分类> 教育资料 > 课件下载

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论