强化学习专栏-腾讯云开发者社区

开发者社区

文档建议反馈控制台

腾讯云架构师技术同盟

文章/答案/技术大牛

发布

强化学习专栏

专栏成员

162

文章

32435

阅读量

29

订阅数

一学就会：A*算法详细介绍（Python）

搜索算法 python 机器人函数

A*算法是一种高效的路径搜索算法，广泛应用于人工智能、机器人技术、游戏开发等领域。它由Peter Hart、Nils Nilsson和Bertram Raphael于1968年首次提出。A算法结合了Dijkstra算法的系统性搜索和启发式搜索的优点，通过使用启发式函数来减少搜索空间，同时保证找到最短路径。

不去幼儿园

2025-03-01

1490

【强化学习】Soft Actor-Critic (SAC) 算法

actor 函数算法网络强化学习

Soft Actor-Critic（SAC）是一种最先进的强化学习算法，属于 Actor-Critic 方法的变体。它特别适合处理连续动作空间，并通过引入最大熵（Maximum Entropy）强化学习的思想，解决了许多传统算法中的稳定性和探索问题。

不去幼儿园

2025-01-08

2810

【强化学习】Double DQN(Double Deep Q-Network)算法

网络强化学习 double network 算法

强化学习中的深度Q网络（DQN）是一种将深度学习与Q学习结合的算法，它通过神经网络逼近Q函数以解决复杂的高维状态问题。然而，DQN存在过估计问题（Overestimation Bias），即在更新Q值时，由于同时使用同一个网络选择动作和计算目标Q值，可能导致Q值的估计偏高。

不去幼儿园

2025-01-08

4900

【强化学习】双延迟深度确定性策略梯度算法(TD3)详解

self 函数算法网络强化学习

双延迟深度确定性策略梯度算法，TD3（Twin Delayed Deep Deterministic Policy Gradient）是强化学习中专为解决连续动作空间问题设计的一种算法。TD3算法的提出是在深度确定性策略梯度（DDPG）算法的基础上改进而来，用于解决强化学习训练中存在的一些关键挑战。

不去幼儿园

2025-01-02

5050

【强化学习】深度确定性策略梯度算法(DDPG)详解（附代码）

网络优化强化学习 self 算法

深度确定性策略梯度（Deep Deterministic Policy Gradient、DDPG）算法是一种基于深度强化学习的算法，适用于解决连续动作空间的问题，比如机器人控制中的连续运动。它结合了确定性策略和深度神经网络，是一种模型无关的强化学习算法，属于Actor-Critic框架，并且同时利用了DQN和PG（Policy Gradient）的优点。

不去幼儿园

2025-01-02

6420

【强化学习】近端策略优化算法(PPO)万字详解（附代码）

强化学习函数算法异步优化

近端策略优化、PPO（Proximal Policy Optimization）是一种强化学习算法，设计的目的是在复杂任务中既保证性能提升，又让算法更稳定和高效。以下用通俗易懂的方式介绍其核心概念和流程。

不去幼儿园

2025-01-02

3.8K0

【强化学习】异步优势Actor-Critic， A3C算法(对比AC、A2C)

强化学习 actor 函数算法异步

Asynchronous Advantage Actor-Critic， A3C（异步优势Actor-Critic）算法可以用通俗的方式解释为一种“团队协作”的强化学习方法，它的核心思想是通过多个线程（“团队成员”）同时工作，快速学习一个任务的最佳策略。

不去幼儿园

2024-12-26

1780

【强化学习】演员评论家Actor-Critic算法(万字长文、附代码)

网络强化学习 actor 函数算法

Actor-Critic算法是一种强化学习中的方法，结合了“演员”（Actor）和“评论家”（Critic）两个部分。下面用一个生活中的比喻来说明它的原理：

不去幼儿园

2024-12-26

4980

【强化学习】策略梯度---REINFORCE算法

优化强化学习函数算法网络

REINFORCE 是一种策略梯度算法，用于强化学习中的策略优化问题。它的核心思想是直接优化策略，通过采样环境中的轨迹来估计梯度并更新策略。

不去幼儿园

2024-12-18

2400

【强化学习】基础在线算法：Sarsa算法

state 函数基础算法强化学习

Sarsa算法是一种强化学习（Reinforcement Learning, RL）的经典算法，属于时序差分（Temporal Difference, TD）方法。它是一种基于策略的学习算法，用于解决马尔可夫决策过程（Markov Decision Process, MDP）中的问题。

不去幼儿园

2024-12-18

1250

【强化学习】策略梯度（Policy Gradient，PG）算法

policy 函数算法强化学习 gradient

在强化学习中，Policy Gradient（策略梯度）算法是一类通过优化策略函数直接来求解最优策略的方法。与基于值函数（例如Q学习和SARSA）的方法不同，策略梯度方法直接对策略函数进行建模，目标是通过梯度下降的方法来最大化预期的累积奖励（即期望回报）。这些算法主要适用于连续的动作空间或高维问题，能够在复杂的环境中取得较好的性能。

不去幼儿园

2024-12-18

3380

【强化学习】基础离线算法：Q-Learning算法

强化学习函数基础模型算法

在强化学习中，Q-Learning 是一种基于值函数的强化学习算法。它通过学习一个状态-动作值函数（Q函数）来选择最优策略。Q-Learning 是一种无模型（model-free）的强化学习方法，意味着它不需要了解环境的动态（即转移概率和奖励函数），而只依赖于与环境的交互。

不去幼儿园

2024-12-18

4180

【SARL】单智能体强化学习（Single-Agent Reinforcement Learning）《纲要》

游戏强化学习机器人 agent 自动驾驶

强化学习（Reinforcement Learning，简称 RL）是一种让机器“通过尝试和错误学习”的方法。它模拟了人类和动物通过经验积累来学会做决策的过程，目的是让机器或智能体能够在复杂的环境中选择最优的行为，从而获得最大的奖励。

不去幼儿园

2024-12-18

980

一文学习什么是马尔科夫决策过程（Markov Decision Process, MDP）、以及它的变体POMDP、Dec_POMDP等

process 函数算法系统强化学习

什么是马尔科夫决策过程（Markov Decision Process, MDP）

不去幼儿园

2024-12-18

5860

【RL Application】语义分割中的强化学习方法

强化学习模型数据算法网络

语义分割旨在对图像中的每个像素进行类别划分并对其分配标签。传统图像语义分割技术有基于阈值、基于边缘、基于区域和基于直方图等。尽管这些方法已在图像处理领域得到了广泛应用，但在实际应用中，由于分割精度和效率的局限，往往难以满足更高的需求。此外，仅依赖单一的传统分割算法难以获得预期的分割效果，限制了其在复杂场景中的应用潜力。随着深度学习技术，尤其是卷积神经网络(CNN)在语义分割领域的广泛应用，极大推动了语义分割技术的发展。深度图像语义分割模型的出现显著提高了语义分割的性能和准确度，使得这些技术在自动驾驶、医学影像、虚拟现实、增强现实等多个领域发挥重要作用，并展示了广阔的市场应用潜力。代表性的深度图像语义分割模型包括 FCN、U-Net、FPN、SegNet、DeepLab 系列等。

不去幼儿园

2024-12-03

1430

【RL Base】强化学习：信赖域策略优化（TRPO）算法

torch 算法优化强化学习 action

在强化学习（RL）领域，如何稳定地优化策略是一个核心挑战。2015 年，由 John Schulman 等人提出的信赖域策略优化（Trust Region Policy Optimization, TRPO）算法为这一问题提供了优雅的解决方案。TRPO 通过限制策略更新的幅度，避免了策略更新过大导致的不稳定问题，是强化学习中经典的策略优化方法之一。

不去幼儿园

2024-12-03

2130

【RL Base】强化学习核心算法：深度Q网络（DQN）算法

强化学习 self 函数算法网络

深度Q网络（DQN）是深度强化学习的核心算法之一，由Google DeepMind在2015年的论文《Playing Atari with Deep Reinforcement Learning》中提出。DQN通过结合深度学习和强化学习，利用神经网络近似Q值函数，在高维、连续状态空间的环境中表现出了强大的能力。

不去幼儿园

2024-12-03

2330

【Reinforcement Learning】强化学习下的多级反馈队列（MFQ）算法

优化强化学习队列函数算法

在强化学习（Reinforcement Learning, RL）相关背景下，多级反馈队列（Multilevel Feedback Queue, MFQ）算法可以作为调度问题的求解框架，用于优化资源分配和任务调度策略。在这种情况下，MFQ的概念和机制可以被调整为一种面向学习的形式，其中调度策略通过强化学习算法来动态优化。

不去幼儿园

2024-12-03

1640

【RL Base】多级反馈队列（MFQ）算法

time 队列算法 self task

多级反馈队列（MFQ）是一种经典的调度算法，广泛用于操作系统任务调度，也可用于强化学习环境的任务调度中。它是一种灵活且高效的调度机制，通过动态调整任务在不同队列中的优先级，实现公平性和响应时间的优化。

不去幼儿园

2024-12-03

1290

【MARL】深入理解多智能体近端策略优化（MAPPO）算法与调参

强化学习数据算法网络优化

MAPPO 是一种多智能体强化学习算法，基于单智能体的 PPO (Proximal Policy Optimization) 算法进行了扩展，专门设计用于解决多智能体协作和竞争环境中的决策问题。

不去幼儿园

2024-12-03

3500

点击加载更多

社区活动

Python精品学习库

代码在线跑，知识轻松学

博客搬家 | 分享价值百万资源包

自行/邀约他人一键搬运博客，速成社区影响力并领取好礼

技术创作特训营·精选知识专栏

往期视频·干货材料·成员作品最新动态