新建文本文档，输入以下代码： 保存之后，修改文本文档后缀，将.txt修改为.bat保持联网，然后以管理员身份运行，等待数秒，即可激活。
发简信
IP属地：贵州
-
-
强化学习基础篇（三十六）Greedy探索算法
强化学习基础篇（三十六）Greedy探索算法 1、贪婪算法（Greedy Algorithm） 我们使用每次的即时奖励来计算得到时刻止某一行为的平均价值：这个方法也叫蒙特卡罗...
-
强化学习基础篇（三十五）探索与利用（Exploration and Exploitation）强化学习基础篇（三十五）探索与利用（Exploration and Exploitation） 1、探索与利用简介 在强化学习中，探索（Exploration ）的目的是找到...
-
强化学习基础篇（三十四）基于模拟的搜索算法强化学习基础篇（三十四）基于模拟的搜索算法 上一篇Dyna算法是基于真实经验数据和模拟经验数据来解决马尔科夫决策过程的问题。本篇将结合前向搜索和采样法，构建更加高效的搜索规划...
-
强化学习基础篇（三十三）Dyna算法强化学习基础篇（三十三）Dyna算法 1、使用模型进行规划 基于模型的强化学习算法的主要成分可以分为学习（Learning）和规划（Planning）两个部分。学习是指从真实...
-
强化学习基础篇（三十二）基于模型的强化学习算法强化学习基础篇（三十二）基于模型的强化学习算法 在策略梯度算法中，智能体是直接从经验中去学习策略。之前value-based的方法中，智能体是直接从经验中去学习价值函数（va...
-
强化学习基础篇（三十一）策略梯度(3)Actor-Critic算法强化学习基础篇（三十一）策略梯度(3)Actor-Critic算法 1.引入Baseline 在使用策略梯度方法更新过程中，降低方差的另一种方法是使用baseline。 在R...
-
强化学习基础篇（三十）策略梯度(二)MC策略梯度算法强化学习基础篇（三十）策略梯度(二)MC策略梯度算法 1、Score Function 假设策略是可微分的，并且在任何时候都不为0，我们可以使用下面的小技巧去转换为从到的求解...
-
强化学习基础篇（二十九）策略梯度(一)强化学习基础篇（二十九）策略梯度(一) 之前我们一直都是对价值函数或者动作值函数进行参数化近似：其中策略是间接得通过值函数进行贪婪策略产生，但本文将介绍如何在model-fr...
-
强化学习基础篇（二十八）值函数近似法（Value Function Approximation）强化学习基础篇（二十八）值函数近似法（Value Function Approximation） 在大规模的强化学习任务求解中，精确获得状态值或动作值较为困难。而值函数近似法...
-
忘记放了，https://github.com/fengxiaolong886/ReinforcementLearningReview里面有个MC目录里
import matplotlib
from matplotlib import pyplot as plt
def plot_3D(X, Y, Z, xlabel, ylabel, zlabel, title):
fig = plt.figure(figsize=(20, 10), facecolor = "white")
ax = fig.add_subplot(111, projection = "3d")
surf = ax.plot_surface(X, Y, Z, rstride = 1, cstride = 1,
cmap=matplotlib.cm.rainbow, vmin=-1.0, vmax=1.0)
ax.set_xlabel(xlabel)
ax.set_ylabel(ylabel)
ax.set_zlabel(zlabel)
ax.set_title(title)
ax.view_init(ax.elev, -120)
ax.set_facecolor("white")
fig.colorbar(surf)
return fig强化学习基础篇（十六）首次访问蒙特卡洛预测算法在21点游戏的应用
强化学习基础篇（十六）蒙特卡洛预测算法在21点游戏的应用 本节将介绍Monte Carlo prediction算法在Blackjack游戏中的进行预测的过程。主要基于一个最...
-
强化学习基础篇（二十七）Model-free控制强化学习基础篇（二十七）Model-free控制 终于推进到控制部分了，控制的问题才是核心。 1、预测与控制 预测与控制的区别在于： 预测问题中是输入一个MDP 以及一个策略...
-
强化学习基础篇（二十六）TD-lambda预测强化学习基础篇（二十六）预测 1、平均n-Step回报 从在上一篇中我们考虑了n-Step回报，在每个n的选择都有着相应的回报（Reward）。我们如果把不同的n-step回...
-
强化学习基础篇（二十五）n步时序差分预测强化学习基础篇（二十五）n步时序差分预测 1、n步时序差分方法 之前在《强化学习基础篇（十七）时间差分预测》所介绍的是算法，其更新过程仅仅依赖于当前状态向下走一步的情况，将走...
-
强化学习基础篇（二十四）价值迭代之gamblers问题强化学习基础篇（二十四）价值迭代之gamblers问题 该问题基于《Reinforcement Learning: An Introduction》在第四章的例4.4 gam...
-
强化学习基础篇（二十三）策略迭代之租车问题强化学习基础篇（二十三）策略迭代之租车问题 该问题基于《Reinforcement Learning: An Introduction》在第四章的例4.2 杰克租车问题。 1...
-
强化学习基础篇（二十二）DP小型网格问题强化学习基础篇（二十二）DP小型网格问题 该问题基于《Reinforcement Learning: An Introduction》在第四章的例4.1。 1、问题描述 考虑...
