标签：Reinforcement 时序 学习 算法 Learning 强化 2.4

强化学习(Reinforcement Learning)

作者：凯鲁嘎吉 - 博客园 http://www.cnblogs.com/kailugaji/

        通过阅读《神经网络与深度学习》及其他资料，了解强化学习(Reinforcement Learning)的基本知识，并介绍相关强化学习算法。

1. 强化学习背景与基本概念

1.1 强化学习概念图

1.2 基于学习信号的结构复杂度和时序复杂度对机器学习方法进行归类

1.3 强化学习常用符号

1.4 强化学习定义与概念

1.5 马尔可夫决策过程(Markov Decision Process, MDP)

1.6 强化学习的目标函数

1.7 值函数

1.8 强化学习方法总体概括

2. 基于值函数的方法

2.1 值函数估计——优化思路

2.2 动态规划算法(基于模型的强化学习)

2.3 蒙特卡罗方法(模型无关的强化学习)

2.4 时序差分学习方法(蒙特卡罗+动态规划)

2.4.1 SARSA：一种同策略的时序差分学习算法

2.4.2 Q学习：一种异策略的时序差分学习算法

2.4.3 深度Q网络(Deep Q-Networks，DQN)

3. 基于策略函数的学习方法

3.1 策略梯度(Policy Gradient)

3.2 REINFORCE算法

3.3 带基准线的REINFORCE算法(REINFORCE with Baseline)

4. 演员-评论员算法(Actor-Critic Algorithm)

5. 参考文献

[1] 邱锡鹏，神经网络与深度学习，机械工业出版社，https://nndl.github.io/, 2020.

[2] 王树森, 张志华, 深度强化学习，https://github.com/wangshusen/DRL/blob/master/Notes_CN/DRL.pdf, 2021.

[3] 王东，机器学习导论，清华大学出版社，http://166.111.134.19:7777/mlbook/release/21-01-02/book.pdf, 2021.

[4] 强化学习——值迭代和策略迭代 - 虔诚的树 - 博客园 https://www.cnblogs.com/xxxxxxxxx/p/11536460.html

标签：Reinforcement,时序,学习,算法,Learning,强化,2.4
来源： https://www.cnblogs.com/kailugaji/p/15354491.html

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。