Day19 #100DaysofMLCoding#

2018-12-16

今日所学

  • CS229 2008年版，16节课 强化学习 马尔科夫决策
  • CS224N 第5,6节

知识点

MDP(S,A,P,γ,R)算法（两种，适合于状态S有限个）

    1. 迭代求解V：初始化V为0，迭代V，最后知道V后推出π

    1. 策略迭代π（对状态S数量<1000比较合适）：随机初始化π，迭代{根据π解方程求解出对应V，根据V与特定目标函数选择更优的π}


©著作权归作者所有,转载或内容合作请联系作者
平台声明：文章内容（如有图片或视频亦包括在内）由作者上传并发布，文章内容仅代表作者本人观点，简书系信息发布平台，仅提供信息存储服务。

推荐阅读更多精彩内容