q-learning

有梦想的攻城狮9 天前
强化学习·q-learning
Q-Learning详解：从理论到实践的全面解析Q-Learning是一种无模型（Model-Free）的强化学习算法，属于**基于值迭代（Value Iteration）的方法。其核心目标是通过构建Q表（状态-动作值函数表）来存储环境认知，并指导智能体在每个状态下选择最优动作。Q-Learning采用时间差分（TD）**方法，融合了蒙特卡洛的样本效率和动态规划的数学严谨性，适用于未知环境的决策优化问题。
、达西先生7 个月前
算法·rl·sarsa·q-learning
强化学习笔记——4策略迭代、值迭代、TD算法首先梳理一下： 通过贝尔曼方程将强化学习转化为值迭代和策略迭代两种问题 求解上述两种贝尔曼方程有三种方法：DP（有模型），MC（无模型），TD（DP和MC结合） 这三种只是方法，既可以用于求值迭代也可以用于求解策略迭代