對於強化學習，之前有一種說法：深度學習是昨天，強化學習是今天，遷移學習是明天。雖說有些言過其實，但強化學習的思想，筆者看來還是最接近於人工智慧的思想。
剛剛開始接觸強化學習時，研究生剛剛入學，組裡需要做關於自動駕駛決策相關方面的研究，導師就把這任務給了我。
emm...
現在想想，讓乙個當時機器學習是什麼都不了解的小白，接觸強化學習簡直就是個笑話。
哈哈，言歸正傳，已經有半年沒有接觸過強化學習，之前在忙**的事情，一直相對強化學習相關的知識進行總結，奈何沒有時間，趁著年關將近，就將之前知識碼出來，以後用不用的上也說不准。
目錄介紹openai用的ppo演算法
介紹trpo演算法
為什麼trpo能保證新策略的回報函式單調不減？
介紹ddpg演算法
畫出ddpg框架
ddpg中的第二個d 為什麼要確定？
介紹a3c演算法
a3c中優勢函式意義
強化學習如何用在推薦系統中？
介紹sarsa演算法
sarsa 和 q-learning區別
強化學習中有value-based 和 policy-based，這兩種的優缺點分別是什麼？應用場景分別是什麼？
value-based方法學習的目標是什麼？
強化學習 dqn，ddqn，ac，ddpg 的區別
參考資料
參考資料
參考資料
參考資料
參考資料
參考資料
參考資料
參考資料
強化學習Numpy相關知識整理
在使用python進行強化學習 實驗的時候，numpy一定是會用到的乙個工具庫。numpy提供了很多有用的介面函式，但是要熟悉全部函式是有一定困難的。這裡整理一些強化學習中比較常用的api函式，並說明它們一般使用的位置。這個函式主要用於取出矩陣中最大元素的位置，常用於對dqn的輸出向量 import...
強化學習筆記整理
強化學習 自動進行決策並且可以做連續決策，包括agent 狀態 行動 獎勵四部分，目標是獲得最多的累計獎勵 原理 求解最優策略等價於求解最優的值函式 值函式選取策略更新的方式 原理 通過隨機取樣的經驗平均來估計期望值 一次實驗，學習速度慢，效率不高 步驟 agent與環境互動後得到互動序列，通過序列...
強化學習知識總結
參考文章 研一接觸了強化學習，然後對其就產生了很大的興趣。雖然有在莫煩python上學習，也自己做過很簡單的專案，但是之前對rl的學習比較混亂並不系統。正好看到這篇文章，感覺對自己有很大的幫助，就根據作者列出的知識點進行擴充套件學習。model free就是不去學習和理解環境，環境給出什麼資訊就是什...