技术栈
策略迭代
xingxiliang
8 天前
策略迭代
强化学习极简实战：从手写环境到 Gymnasium 策略迭代 (Policy Iteration)
导读：强化学习初学者往往容易被两件事卡住：一是面对 Gym 框架时不知道它底层是怎么和数学公式关联的；二是不知道策略评估和策略提升这两套循环到底在算什么。 本教程以经典的 冰湖环境 (FrozenLake-4x4) 为例，带你彻底穿透 Gymnasium 封装的本质，手把手掌握基于模型的动态规划核心算法——策略迭代（Policy Iteration）。
nju_spy
8 个月前
人工智能
·
强化学习
·
策略迭代
·
近似动态规划
·
交叉熵方法
·
价值函数近似
·
无导数优化
强化学习 -- 无导数随机优化算法玩俄罗斯方块Tetris（交叉熵方法CE + ADP近似动态规划CBMPI）
论文：ADP 近似动态规划玩 Tetris 俄罗斯方块无导数随机优化方法是一类不依赖目标函数梯度信息，通过随机采样、迭代更新来寻找最优解的优化算法，
2401_84149564
1 年前
人工智能
·
python
·
算法
·
动态规划
·
强化学习
·
策略迭代
·
价值迭代
【强化学习】动态规划算法
目录一、引言二、悬崖漫步环境三、策略迭代算法（一）策略评估（二）策略提升（三）策略迭代算法四、价值迭代算法
我是有底线的