具有不可重复动作的强化学习
是一种强化学习算法，其特点是在每个时间步骤中，智能体只能选择一种动作，并且不能重复选择之前已经选择过的动作。这种限制可以用于解决一些特定的问题，例如在某些环境中，重复执行相同的动作可能会导致无效的结果或者产生不必要的开销。
具有不可重复动作的强化学习可以应用于各种领域，例如自动驾驶、机器人控制、游戏策略等。在自动驾驶领域，智能车辆需要根据当前的环境状态选择合适的动作，而不会重复执行之前已经执行过的动作，以避免发生事故或者产生不良的驾驶行为。在机器人控制领域，智能机器人需要根据当前的任务要求选择适当的动作，以完成特定的任务，而不会重复执行之前已经执行过的动作，以提高任务执行的效率和准确性。在游戏策略领域，智能体需要根据当前的游戏状态选择最佳的动作，以获得最高的得分，而不会重复执行之前已经执行过的动作，以避免陷入局部最优解。
腾讯云提供了一系列与强化学习相关的产品和服务，可以帮助开发者在云计算环境中进行强化学习的研究和应用。其中，腾讯云强化学习平台（Tencent Cloud Reinforcement Learning Platform）是一个全面的强化学习解决方案，提供了丰富的算法库、模型训练和部署工具，以及可视化的监控和调试功能，帮助开发者快速构建和部署强化学习模型。此外，腾讯云还提供了强化学习相关的云计算资源，如弹性计算、存储、数据库等，以支持强化学习模型的训练和推理。
更多关于腾讯云强化学习平台的信息，请访问腾讯云官方网站：腾讯云强化学习平台
相关·内容
我试图训练一个强化学习智能体，使用Unity-ML来玩一个无休止的跑步游戏。
游戏很简单:障碍从侧面逼近，智能体必须在正确的时机跳过它。
作为观察者，我知道下一个障碍物的距离。可能的动作是0-空闲；1-跳跃。游戏时间越长，奖励越多。
不幸的是，智能体无法学会克服第一个可靠的障碍。我猜这是因为这两个动作的不平衡太高了，因为理想的策略应该是大多数时候什么都不做(0)，只在非常特定的时间点跳(1)。此外，跳跃期间的所有动作都是无意义的，因为智能体不能在空中跳跃。
我如何改进学习，使其仍然收敛？有什么建议要看一下吗？
当前培训师配置：
EndlessRunnerBrain:
gamma: 0.99
浏览 0提问于2018-07-15得票数 0
2回答
我是B.Sc毕业生。我的课程之一是“机器学习入门”，我一直想在这门课上做一个个人项目。
我最近听说了不同的人工智能训练来玩游戏，如马里奥，围棋等。
为了训练一个简单的人工智能程序来玩游戏，我需要获得什么知识？对于初学者来说，你推荐什么游戏？
这是我目前在机器学习中所知道的-
课程介绍和机器学习。K-最近邻算法和K-均值算法
统计推断
高斯混合模型(GMM)与期望最大化
可能是近似正确的模型，包括泛化界和模型选择。
基本的超平面算法:感知器和Winnow。
支持向量机(SVM)
核粒
促进弱学习者向强学习者学习: AdaBoost
边缘-感知器
回归
PCA
决策树
决策树修剪与随机林
浏览 0提问于2017-01-04得票数 9
回答已采纳
3回答
Q学习与强化学习中的值迭代有何不同？
我知道Q- (s, a, s', r)是无模型的，训练样本是转换学习。但是，既然我们知道Q学习中的转变和每个转变的奖励，它不是与基于模型的学习相同吗?在基于模型的学习中，我们知道状态和动作对的奖励，以及来自状态的每个动作的转变(无论是随机的还是确定性的)？我不明白其中的区别。
浏览 2提问于2015-03-09得票数 35
回答已采纳
这是我在这里的第一篇文章，我来这里讨论或得到一些我难以理解的东西的澄清，即无模型与基于模型的RL方法。我目前正在实现Q-learning，但我不确定我做得是否正确。
例如:假设我正在对倒立摆应用Q学习，其中奖励是以摆向上位置之间的绝对距离给出的，而终端状态(或目标状态)被定义为当摆非常接近向上位置时。
这个设置是否意味着我有一个无模型的或基于模型的设置？根据我的理解，这将是基于模型的，因为我有一个环境的模型，它给了我奖励(R=abs(pos-wantedPos))。但是后来我看到了一个使用Q-learning ()的实现，这是一个无模型的算法。现在我一无所知..。
感谢所有的回复。
浏览 1提问于2018-05-02得票数 1
3回答
当我读报纸"仿真中机器人学习中的接地动作变换“时，我偶然发现了”政策“这个词。有谁能向我解释一下这到底是什么(在一般情况下和论文的特定背景下)？
浏览 0提问于2018-01-25得票数 11
1回答
我想知道强化学习的奖励折扣实际上是如何起作用的。我相信这个想法是，在一集的后期奖励比早期的奖励更重。这对我来说很有意义。在我看到的示例中，我很难理解这实际上是如何工作的。
我假设下面的代码是进行强化学习的标准方法。我对这段代码的解释如下:遍历每个动作，训练预测动作好坏的模型。
这似乎所做的是将我所有的预测均匀地乘以任何伽马，加上奖励，并使用它来训练模型。
由于奖励总是每一步都会更新，我很难理解这是如何实现这样的目标的:让剧集中的早期行动比后来的行动更不受鼓励/不鼓励。难道奖励不应该一步一步地加在一起，然后乘以伽马来实现这一点吗？
def replay(self, batch_size)
浏览 3提问于2019-04-21得票数 1
1回答
使用无外部库的Q学习模型
、、、、
我正在尝试在一个基于吃豆人的游戏中使用强化学习。我想使用Q学习技术来生成我的代理的操作。我计划使用openai-gym和keras库来训练我的模型，但我希望有一种方法可以保存我的模型并使用它，而不使用open-gym和keras库(在它被训练之后)。据我所知，Q学习可以用来生成状态-动作对，我想知道是否可以将这些组合的所有可能组合保存到Pacman这样的可解系统中。这似乎有点不切实际，所以如果你有任何其他想法，我很想听听。
浏览 2提问于2019-04-08得票数 0
我想问一下，在棋盘游戏中使用标准的反向传播神经网络和TD学习方法是否有意义？
我的方法看起来是：
玩1局。Net有时既是贪婪的策略，也是随机的动作。
对于每个存储的游戏位置(从终端-1开始并移动到起始位置)，计算估计的位置值和期望的位置值。
boards_valuesi = boards_valuesi + 0.4 *( boards_valuesi+1 - boards_valuesi )
利用标准的反向传播算法，从整个游戏结束训练中建立网络训练模式，每次训练速度较小，每次训练1次。
NN.train(模式，iterations=1，N=0.001，M=0.000001)
浏览 2提问于2012-07-04得票数 3
回答已采纳
8回答
腾讯智能云为开发者带来哪些便利？
、、、、
腾讯云在云+未来峰会上推出了智能云。使得普通开发者能够快速上手进行开发。能够有效节省自身开发成本，我想知道究竟带来了哪些便利？有哪些服务极大提升了开发效率和用户体验？
浏览 887提问于2018-05-24
深度确定性策略梯度()是动作空间连续时强化学习的最新方法。它的核心算法是。
然而，在阅读了论文和听了the talk ()之后，我仍然无法弄清楚确定性PG相对于随机PG的根本优势是什么。谈话说它更适合高维动作，更容易训练，但为什么会这样呢？
浏览 64提问于2017-03-13得票数 12
4回答
哪种人工智能算法最适合下棋？
、、、、
我正在研究我的象棋机器人，我想为它实现简单的人工智能。我是新来的，所以我不知道怎么下国际象棋。我听说过Q-学习，监督/非监督学习，遗传算法，等等，这可能不是国际象棋。我想知道AlphaZero是如何创建的？可能是遗传算法，但国际象棋是“如果A然后B”可能不起作用的游戏。这意味着Q-学习对它也是有害的，等等。
有什么建议要用吗？
注意:我找到了数据集，虽然它还包括低级别的玩家游戏，所以我不确定是否可以用这个来训练机器人
浏览 0提问于2021-12-01得票数 2
2回答
我有一个关于强化学习(RL)在我们试图解决的问题上的适用性的基本问题。
我们正在尝试使用RL进行库存管理--在这种情况下，需求完全是随机(它可能在现实生活中有一种模式，但现在让我们假设我们被迫被视为纯粹的随机)。
据我所知，RL可以帮助学习如何玩游戏(比如下棋)，也可以帮助机器人学会走路。但是所有的游戏都有规则，还有“购物车杆”( OpenAI Gym) --有一些“物理”规则控制着推车杆什么时候会翻倒。
对于我们的问题，没有规则-环境变化随机(对产品的需求)。
RL真的适用于这种情况吗？
如果是这样的话-那什么能提高性能呢？
进一步的细节：-从“环境”中唯一可以得到的两种刺激是目前可用的产品
浏览 2提问于2018-10-10得票数 2
我有一个游戏环境，我想训练一个RL模型。此环境具有代理可以采取的两个基本操作：“左”或“右”(例如，0或1)。
然而，“左”或“右”的动作可以在一个离散的“度”数中进行。例如，我可以用百分之七十的“左”动作，或者用百分之十六的“右”动作。
假设每个“左”或“右”的离散动作空间在0-100%之间，使得整个动作空间的离散大小为201 (0-200，增量为1)，在任何给定的状态下，代理是否学习取“左”或“右”的最佳程度？
浏览 0提问于2019-07-24得票数 1
回答已采纳
2回答
连续训练监督学习问题
、、、、
我相信这是一个最常见的问题，但专家想知道如何解决这个问题。注意，我主要处理文本数据(NLP问题)。
当创建一个有监督的学习模型时，比如一个文本分类器，它可以很好地处理所见数据，然后我们在生产中部署该模型(您也可以想到一个聊天机器人)。
但在实时情况下，当新类型的数据出现预测失败时，我们发现一个新单词或新模式正在打破模型。因此，我们继续用新遇到的数据对模型进行再培训。这就是持续学习问题开始的地方。
请ML/NLP退伍军人推荐一些替代方案来解决这一劳动问题吗？已经尝试了以下办法，并列出了问题：
我们根本不能无限地接受新数据的训练。因为生产系统应该是自愈的。我们不能把一个人的管理费用，不断监测的项
浏览 0提问于2020-08-06得票数 1
1回答
当人们开始认为在不久的将来，自动驾驶汽车将取代一些道路上的车辆，这意味着机器人软件中的学习者可以达到一个很低的经验误差，从而保证乘客的安全。在我们看来，大量的驾驶数据和深入的强化学习算法在很大程度上促进了自动驾驶实践的成功。
当涉及到我们自己实践的许多情况时，我们还无法建立一个如此高精度的预测模型，从而给我们自己的业务带来巨大的差异。
我的问题是，当我看到机器学习技术能够在汽车驾驶上产生革命，因为它成功地实现了行为克隆任务，那么这一成功的首要原因是什么，大训练数据集，深强化学习技术，或者在自动驾驶问题中的任何特殊原因？
此外，我们在机器学习中解决的大多数实际问题中，这种成功能否被复制？换句话说
浏览 0提问于2018-01-04得票数 1
我相信这个问题已经得到了回答，但我找不到任何能解决我具体问题的东西。
我想在玩具游戏中玩一些强化学习算法。给定一个特定的游戏状态，我希望网络预测动作A。给定的动作A，我会更新游戏状态，然后在这个新的游戏状态上再次调用网络。这会重复到游戏结束。
然而，我不知道如何通过网络的所有预测来反向传播渐变。下面是我的(非常粗略的) tensorflow伪代码，用来描述我的设想：
for game_step in range(max_game_steps):
action = sess.run(predict_action, feed_dict={game_state: current_state}
浏览 1提问于2018-07-23得票数 0
维基百科说：
在电子游戏中，这通常是指计算机通过人工智能控制的字符。 ~https://en.wikipedia.org/wiki/Non-player_字符在电子游戏中，机器人是一种弱人工智能专家系统软件，它在程序的每一个实例中控制着玩家的... ~https://en.wikipedia.org/wiki/Video_游戏_bot。
然而，据我所知，这样的机器人和NPC太硬编码或显式编码，无法准确地称为“人工智能”。
主要的情况是，他们缺乏向玩家学习的能力。阿瑟·塞缪尔将“人工智能”称为“让计算机在不被明确编程的情况下学习的研究领域”(1959年)。
那么，如果机器人(或其中的一个子集)
浏览 0提问于2015-03-08得票数 0
回答已采纳
2回答
问:在没有单一分类结果的情况下，能用强化学习训练分类器吗？
我想用强化学习来训练分类器。然而，有一个很大的限制:这个程序没有定期获得分数，甚至在每个分类之后也没有。只有在许多分类完成之后(例如，大约40-200个分类，让我们称它们为一个批次)，该批次的最终得分是可用的。可以相当快地执行一批:只需一秒钟。因此，可以执行数千个批，每个批都返回其分类的分数。每次执行批处理时，都会将当前的ML模型作为批处理使用的输入。
除此之外，当然，特征向量是已知的(包含大约60个特性)，标签是已知的(大约6个标签)。
我从来没有应用过强化学习，因此，我无法判断这是否可行。理论上，我认为应该是:所有的数据都是可用的
浏览 0提问于2020-05-27得票数 3
我在python中有一个经过训练的机器学习模型来获得一个回归输出，这个模型是用scikit- learning训练的。
我想将这个预测插入到防火墙中，我将使用云函数来完成它，每天使用云调度程序来调度它。
我的问题是我要把这个受过训练的机器学习模型藏在哪里？
我能把它存储到google存储中并在云函数中调用它来获得预测吗？
还是我应该把它存储在人工智能平台上？
如果答案是进入人工智能平台，为什么？如果我把它存储到AI平台上，我有什么优势？我能用那里的新数据训练模型吗？
我一直在读到，这是可能的，但我不知道为什么更好，如何更好
浏览 3提问于2019-10-28得票数 0
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
实时音视频
即时通信 IM
对象存储活动推荐
腾讯云开发者
