强化学习核心算法机制与典型工程实践研究.docxVIP

强化学习核心算法机制与典型工程实践研究

目录

一、文档概览．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．2

二、强化学习基础理论．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．3

2.1马尔可夫决策过程．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．3

2.2强化学习核心目标与范式．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．4

2.3常见评价指标．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．6

三、强化学习核心算法详解．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．9

3.1基于价值函数的方法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．10

3.2基于策略梯度的方法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．13

四、模型构建与仿真环境．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．18

4.1常见的实验场景设定．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．18

4.2强化学习模拟器介绍．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．21

五、强化学习