强化学习(David Silver)6：值函数近似

标签：类型   基于   神经网络   lam   两种   nbsp   函数   bsp   决策   

0、为什么有值函数近似

状态空间太大，基于DP/MC/TD的方法的离散值太多，存储量太大，运行太慢

1、值函数近似有两种方法

一个是状态值函数方法；一个是状态动作值方法

2、值函数近似的三种类型

类型1：输入状态S，输出v

类型2：输入状态S，action a，输出Q(s,a,w)

类型3：输入状态S，输出Q(s,a1,w)，Q(s,a1,w)

3、逼近函数

逼近函数：特征的线性组合/神经网络/决策树/最近邻/傅里叶基/小波基

训练方法：可以拥有非平稳，非独立同分布的数据

4、梯度下降算法

MC倾向于一个局部最优解；TD倾向于全局最优解

TD(lambda)前向算法好理解

TD(lambda)后向算法的资格迹怎么计算呢？

强化学习(David Silver)6：值函数近似

标签：类型   基于   神经网络   lam   两种   nbsp   函数   bsp   决策   

原文地址：http://www.cnblogs.com/ai1024/p/7368313.html