RL – Blog Sketch https://blog.ziaowang.top Wed, 19 Mar 2025 23:31:35 +0000 en-US hourly 1 https://wordpress.org/?v=6.8.5 强化学习中的若干概念 https://blog.ziaowang.top/2024/08/25/concepts-in-rl/ https://blog.ziaowang.top/2024/08/25/concepts-in-rl/#respond Sun, 25 Aug 2024 23:46:11 +0000 http://localhost/mysite/?p=1940 这是学习我阅读若干在线 RL 教程所作的笔记，比较杂乱无章，不适合作为你的第一个 RL 教程阅读，如果想要找一个入门的 RL 教程推荐从头到尾阅读 OpenAI 的 Spinning Up

再贴一个叶哥的同类博文作为参照，叶哥的博文详尽全面。

Model-free 和 Model-based RL

Model-free 的方法不会对环境进行建模。当然，为了训练，代码中至少是要某种程度上建模环境和回报的，但除了定义…

]]> 这是学习我阅读若干在线 RL 教程所作的笔记，比较杂乱无章，不适合作为你的第一个 RL 教程阅读，如果想要找一个入门的 RL 教程推荐从头到尾阅读 OpenAI 的 Spinning Up

再贴一个叶哥的同类博文作为参照，叶哥的博文详尽全面。

Model-free 和 Model-based RL

Model-free 的方法不会对环境进行建模。当然，为了训练，代码中至少是要某种程度上建模环境和回报的，但除了定义…

]]> https://blog.ziaowang.top/2024/08/25/concepts-in-rl/feed/ 0 棋盘游戏智能体：从蒙特卡洛树搜索到AlphaGo https://blog.ziaowang.top/2024/06/11/monte-carlo-tree-search-alphago/ https://blog.ziaowang.top/2024/06/11/monte-carlo-tree-search-alphago/#respond Tue, 11 Jun 2024 04:59:28 +0000 http://localhost/mysite/?p=1260 棋盘游戏 vs 街机游戏

智能体行动的环境，很多都可以归入如下两类：

  • 一类是两方博弈的棋盘游戏，不包含随机性，胜负可以由棋盘上的状态一眼看出，比如围棋、象棋；
  • 另一类是智能体适应/对抗环境的“街机游戏”，可能包含随机性，得分可能不是最终状态的函数，而是每一步行动奖励的过程积累，例子包括典型的强化学习测试环境，包括
…]]> 棋盘游戏 vs 街机游戏

智能体行动的环境，很多都可以归入如下两类：

  • 一类是两方博弈的棋盘游戏，不包含随机性，胜负可以由棋盘上的状态一眼看出，比如围棋、象棋；
  • 另一类是智能体适应/对抗环境的“街机游戏”，可能包含随机性，得分可能不是最终状态的函数，而是每一步行动奖励的过程积累，例子包括典型的强化学习测试环境，包括
…]]> https://blog.ziaowang.top/2024/06/11/monte-carlo-tree-search-alphago/feed/ 0