企业网站维护兼职,php招投标网站源码,logo在线制作免费平台,广州专业网页制作#x1f4e2;本篇文章是博主强化学习#xff08;RL#xff09;领域学习时#xff0c;用于个人学习、研究或者欣赏使用#xff0c;并基于博主对相关等领域的一些理解而记录的学习摘录和笔记#xff0c;若有不当和侵权之处#xff0c;指出后将会立即改正#xff0c;还望谅… 本篇文章是博主强化学习RL领域学习时用于个人学习、研究或者欣赏使用并基于博主对相关等领域的一些理解而记录的学习摘录和笔记若有不当和侵权之处指出后将会立即改正还望谅解。文章分类在强化学习专栏 【强化学习】- 【单智能体强化学习】1---《单智能体强化学习《纲要》》 单智能体强化学习Single-Agent Reinforcement Learning《纲要》
目录
0.什么是强化学习
1. 举个简单例子
2. 强化学习的基本元素
3. 如何学习试错法
4.单智能体强化学习
【SARL】单智能体强化学习系列文章
【MADRL】多智能体深度强化学习《纲要》
5. 强化学习的应用实例
6. 总结 0.什么是强化学习 强化学习Reinforcement Learning简称 RL是一种让机器“通过尝试和错误学习”的方法。它模拟了人类和动物通过经验积累来学会做决策的过程目的是让机器或智能体能够在复杂的环境中选择最优的行为从而获得最大的奖励。 1. 举个简单例子 想象一下你是一个小孩在一个游乐场里你需要做出一些选择玩蹦床、滑滑梯还是去玩旋转木马上每次你做出选择后游乐场会给你一些奖励比如玩蹦床后你感觉非常开心给你奖励滑滑梯后你感到害怕没有奖励。你不知道这些奖励会如何但随着时间的推移你学会了什么行为能带来更好的感觉。 这个过程类似于强化学习中的“学习过程”。智能体你通过尝试不同的行为选择玩不同的设施来获得奖励然后根据这些奖励来调整自己的行为最终找出最好的选择。 2. 强化学习的基本元素
在强化学习中系统主要包括以下几个部分
智能体Agent做决策的主体像上面例子中的小孩或者是一个机器人。环境Environment智能体所在的世界或场所游乐场就是一个环境智能体在这个环境中做出决策。状态State环境在某一时刻的具体情况像游乐场里可能的状态就是“你现在站在哪个设施旁边”。动作Action智能体在某个状态下可以选择的行为像“去玩蹦床”、“去滑滑梯”。奖励Reward智能体选择某个动作后环境给予的反馈可能是正向奖励玩得开心或负向奖励感到害怕。 3. 如何学习试错法 强化学习的核心是“试错学习”。智能体通过与环境的互动不断做出决策并获得反馈。通过这种方式智能体学会了哪些行为会带来更多的奖励哪些行为是无效的。
举个例子 假设你是一个游戏玩家游戏中的目标是找到宝藏。游戏中的每个步骤都充满了未知。你可以走左边、走右边、爬山、挖洞等。你不知道哪个动作能带来宝藏但你可以尝试
第一次走右边发现掉进了陷阱得到了负奖励。第二次走左边发现了一些金币得到了正奖励。第三次走左边发现了宝藏得到了更高的奖励。
通过这些尝试智能体逐渐知道走左边会更有可能获得奖励最后学会了最佳的路径。 4.单智能体强化学习 我们从强化学习的研究出发最开始便是针对单智能体强化学习开展研究然后再过渡到多智能体强化学习。单智能体强化学习Single-Agent Reinforcement LearningSARL是强化学习的基础研究。 单智能体强化学习涉及一个智能体在环境中学习和决策目标是最大化该智能体的回报。与多智能体强化学习Multi-Agent Reinforcement Learning, MARL相比单智能体强化学习Single-Agent Reinforcement Learning, SARL的主要区别在于
学习和决策的主体SARL只有一个智能体在环境中学习和做决策而MARL有多个智能体同时学习和决策1。交互性SARL中智能体只与环境交互不与其他智能体交互而MARL中智能体不仅与环境交互还与其他智能体交互增加了问题的复杂性1。状态和动作空间SARL的状态和动作空间相对简单通常是固定的和可预测的而MARL的状态和动作空间更为复杂因为它们依赖于所有智能体的动作和状态1。优化目标SARL优化单个智能体的回报而MARL可能需要优化所有智能体的集体回报或者在智能体之间达成某种均衡1。学习策略SARL的学习策略相对直接只需考虑单个智能体的学习而MARL的学习策略更为复杂需要考虑多智能体之间的协调和竞争。 【SARL】单智能体强化学习系列文章 SARL系列主要针对单智能体强化学习相关算法进行介绍并给出相关Python代码和可移植程序SARL系列文章纲要如下持续更新中 1.【强化学习】单智能体强化学习《纲要》 2.【强化学习】Q-Learning算法 3.【强化学习】Sarsa算法 4.【强化学习】DQN算法 5.【强化学习】PG算法 6.【强化学习】REINFORCE算法 7.【强化学习】Actor-Critic算法 8.【强化学习】A2C算法 9.【强化学习】DDPG算法 10.【强化学习】PPO算法 项目代码我已经放入GitCode里面可以通过下面链接跳转 【强化学习】算法项目 后续相关单智能体强化学习算法也会不断在【强化学习】项目里更新如果该项目对你有所帮助请帮我点一个星星✨✨✨✨✨鼓励分享十分感谢 若是下面代码复现困难或者有问题也欢迎评论区留言。 如果你想了解多智能体强化学习【MARL】可以移步下面这篇文章 【MADRL】多智能体深度强化学习《纲要》 或者专栏 多智能体强化学习【MARL】专栏 5. 强化学习的应用实例 强化学习不仅仅适用于游戏它已经被广泛应用于很多现实世界的问题中以下是一些经典的例子
1. 游戏中的AI 强化学习最著名的一个应用例子是 AlphaGo。AlphaGo是由DeepMind开发的人工智能它通过强化学习击败了围棋世界冠军李世石。它的训练过程就是通过与自己对弈不断调整自己的策略最终掌握了围棋的高超技巧。
2. 自动驾驶 自动驾驶汽车也是强化学习的一大应用领域。在自动驾驶中智能体即汽车通过在真实世界或模拟环境中进行试验和错误学习如何做出正确的决策——比如如何加速、减速、变道甚至如何避免碰撞。通过不断试错汽车能够学会在各种不同的路况中选择最安全、最合适的操作。
3. 机器人控制 在机器人领域强化学习也得到了广泛的应用。例如一个机器人可能需要学会如何抓取物体如何移动或走路。通过不断地“试”抓不同的物体机器人的“抓取策略”会不断改进最终学会了如何以最有效的方式抓取物体。 6. 总结 强化学习就是让智能体通过与环境的互动不断学习、调整自己的行为以获得更多的奖励。它像是一个不断“试错”的过程智能体通过尝试各种动作从失败和成功中学习最终找到最优的行为策略。 博客都是给自己看的笔记如有误导深表抱歉。文章若有不当和不正确之处还望理解与指出。由于部分文字、图片等来源于互联网无法核实真实出处如涉及相关争议请联系博主删除。如有错误、疑问和侵权欢迎评论留言联系作者或者添加VXRainbook_2联系作者。✨
