2. pytorch實現
q-learning裡最主要的創造就是乙個qtable，我們通過更新qtable來獲得qvalue最大的值，我們通過最大qvalue來確定下一步執行的action。
dqn延續了q-learning的想法，使用神經網路來模擬qtable。因為qtable裡儲存的值是有限的，因此它的儲存的state-action是離散的。但是使用神經網路來模擬qtable來進行資料的搜尋和儲存。輸出的action依然是qvalue最大的action（基於值函式）。dqlearning（英文）:let』s play doom
dqlearning（中文）:let』s play doom（上）
dqlearning（中文）:let』s play doom（下）
一篇關於tensorflow實現dqn的部落格，但對具體的過程有非常詳細的解釋，包括一些名詞的理解（experience replay等等）
策略一般分為兩種，一種是確定的策略，一種是隨機策略（部分可測馬爾科夫鏈過程pomdp）。通常來講確定策略用於確定環境中，而隨機策略用於環境不確定的情況下。策略函式的優點：通常擁有更好的收斂性；在訓練連續行動時更有效。
我發現有些東西確實不太容易想清楚的時候，看**會清晰起來莫煩：讓桿子立起來（gym）
依然是讓桿子立起來（策略梯度）
深度強化學習
這是寫給自己看的，大佬請忽略 深度學習和其他機器學習演算法最大的不同在於如何找到特徵，而特徵的抽取過程就是乙個抽象的全過程。以往機器學習演算法的特徵抽取都是對一類問題有解，比如k means等聚類。深度學習抽象模擬了人類神經元傳遞和連線方式，理論上可以解決多種分類問題和 問題，甚至研究未知領域。深度...
深度強化學習
一 簡介 1 深度強化學習出現的原因 傳統的強化學習中當狀態和動作空間是離散且維數不高時可使用q table儲存每個狀態動作對的q值。然而比較複雜的 更加接近實際情況的任務則往往有著很大的狀態空間和連續的動作空間，這種情況下使用q table不現實。同時實現端到端的控制也是要求能處理高維的，如影象 ...
深度強化學習
強化學習 reinforcement learning 與深度學習同屬機器學習的範疇，是其中 一 個重要的分支，主要用來解決連續決策的問題。強化不像無監督學習那樣完全沒有學習目標,也不像監督學習那樣有非常明確的目標 如影象分類問題中的label 強化學習的目標是不明確的，模型只會向著能夠得到更多獎勵...