Model-Free Control

版权声明:本文为博主原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明。

本文链接:https://blog.csdn.net/Solo95/article/details/102712072

Control(making decisions) without a model of how the world works.

Evaluation to Control

前面的博文介绍了如何衡量一个特定的策略(即对它进行评估)

  • 没有给予访问决策过程模型参数的权限
  • 取而代之的是,能够从数据/经验中估计

这篇博文:如何学习一个好的策略

Recall: Reinforcement Learning Involves

  • 优化(Optimization) (这里涉及)
  • 效果延迟(Delayed consequences) (planning阶段)
  • 探索(Exploration) (这里涉及)
  • 泛化(Generalization目前不涉及)

Learning to Control Involves

  • 优化:目标是找出一个具有高回报的策略(跟给定决策过程模型计算最优策略相似)
  • 效果延迟:可能需要很多个时间步才能评估之前的决定是好是坏
  • 探索:需要尝试不同的动作去学习什么样的动作能带来高回报

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

扫码关注云+社区

领取腾讯云代金券

年度创作总结 领取年终奖励