强化学习r

目录

应用场景

强化学习的本质

以电脑游戏为例

强化学习三个步骤

第一步：有未知参数的函数

第二步：定义Loss

第三步：Optimization

RL的难点

类比GAN

Policy Gradient（策略梯度）

怎么学出actor中的参数

如何定义A

Version 0（最简单但不正确）

Version 1

Version 2

Version 3

Actor-Critic（行动者-批评者）

Critic介绍

Critic 怎么被训练出来的

Monte-Carlo (MC)

Temporal-difference (TD)

两种方法对比

version 3.5

version 4：Advantage Actor-Critic

训练Actor-Critic的小技巧

Deep Q Network (DQN)

Policy Gradient

策略梯度的流程

On-policy v.s. Off-policy