分类目录归档：强化学习
前置知识：强化学习入门、Q-Learning
Dyna 是一种经典的强化学习算法
前置知识：强化学习入门、Deep Q-Learning、策略梯度算法
Actor-Critic （简称 AC）是一种经典的强化学习框架
AC 算法的 Actor 策略函数近似 $$ \pi_{\theta}(s,a) = P(a|s,\theta)\approx \pi(a|s) $$
前置知识：强化学习入门、Deep Q-Learning
策略梯度（Policy Gradient）
基于价值（Value Based）方法的局限性：
基于策略的
Deep Q-Learning，简称 DQN
DQN 算法步骤
前置知识：强化学习入门、蒙特卡洛法、马尔可夫决策过程 MDP
时序差分（temporal difference，TD）
回顾 MDP 中状态价值函数的贝尔曼方程： $$ v_{
马尔可夫奖励过程（Markov reward process，MRP）
$$ G_{t}=R_{t}+\gamma R_{t+1}+\gamma^2 R_{t+2}+\dots+\gamma^n R_{t+n} $$
强化学习（reinforcement learning，RL）
强化学习的三个基本要素：