首页 > TAG信息列表 > Qlearning
强化学习算法（一）Qlearning
之前两篇介绍了强化学习基本理论，MDP，Q值，V值，MC，TD。这篇文章中，我会介绍一下我再学习RL过程中学习过的算法，下面从Qlearning开始。 Qlearning 之前的文章中，我介绍了MC,和TD。Qleafnin Qlearning是value-based的算法，Q就是Q(s,a)，即agent在某一时刻s状态下采取的a来获得reward的期望。机器学习十讲----第十讲
机器学习的方法： 强化学习: 强化学习的方法： Qlearning： 学习建议：《深入浅出强化学习原理入门》学习笔记（六）基于时间差分的强化学习方法（重点为Qlearning）
《深入浅出强化学习原理入门》学习笔记（六）基于时间差分的强化学习方法 1、时间差分方法与动态规划方法和蒙特卡罗方法的差异（1）动态规划方法（2）蒙特卡罗方法（3）时间差分方法 2、同策略的Sarsa方法和不同策略的Qlearning方法（1）Sarsa（2）Qlearning 3、基于python的编程（1）利用TD方法进行