原创力文档- 1、本文档共31页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
Model-free方法
自编码
蒙特卡洛方法
1MonteCarlo
Model-free方法
蒙特卡洛方法MonteCarlo
•引言
Model-free方法
蒙特卡洛方法MonteCarlo
•有一个半径为R的圆和一把豆子，如何计算圆周率？
Model-free方法
蒙特卡洛方法MonteCarlo
•撒点法
Model-free方法
蒙特卡洛方法MonteCarlo
•撒点法
•这也就是蒙特卡洛方法
Model-free方法
蒙特卡洛方法MonteCarlo
•为什么要用MonteCarlo方法？
•许多情况下我们不清楚MDP的真实状态转移概率和/或者即时奖
励
•思想：
•通常情况下某个状态的价值等于在多个episode中以该状态算得
到的所有奖励的平均。
Model-free方法
蒙特卡洛方法MonteCarlo
•Episode
•每条episode就是一条从起始状态到结束状态的经历。
Model-free方法
蒙特卡洛方法MonteCarlo
•蒙特卡洛的两种方法
•First-visit
•Every-visit
Model-free方法
蒙特卡洛方法MonteCarlo
•蒙特卡洛的两种方法
•First-visit
•在计算状态s处的值函数时，只利用每个episode中第一次访问到状
态s时返回的值。
1+1+…
•=
•Every-visit
Model-free方法
蒙特卡洛方法MonteCarlo
•蒙特卡洛的两种方法
•First-visit
•在计算状态s处的值函数时，只利用每个episode中第一次访问到状
态s时返回的值(N(s)代表遇到s的次数)。
1+1+…
•=
•Every-visit
•在计算状态s处的值函数时，利用所有访问到状态s时的奖励返回
值。
1+2+…+1+…
•=
Model-free方法
蒙特卡洛方法MonteCarlo
•蒙特卡洛的具体做法
•每进入一个episode:,,,,,…,,,,…,
112221
•由于一个序列的平均值可以迭代进行计算，因此对于episode里的每
一个状态，有一个累积折扣奖励，每碰到一次，我们可以使
用下面的式子计算状态的平均价值:
←+1
1
文档评论（0）