从Google的alphago以绝对优势接连战胜人类围棋中的佼佼者(李世石, 柯洁)之后，这总结果当然是震撼的，从此人工智能声名大噪。但是纵使目前能使机器智力超...
DDPG（deep deterministic policy gradient），深度确定性策略梯度算法。
回顾上文中的DDPG，DDPG是源于DQN，它使用神经网络替换maxQ(s',a')的功能来解决连续空间问题。也就是说DDPG的Actor网络输出的是一个动作，...
最近了解了强化学习方面的知识，准备进行下整理和总结。本文先介绍强化学习中一些基础概念。
gym是openAI下的一个开发和对比强化学习算法的工具包，内部提供了强化学习需要的环境。
上文我们已经理解强化学习的基础概念以及其目标是找到一个策略 最大化未来累计奖励。同时介绍了几种常用的寻找最优策略的方法。在强化学习中还会将这些方法分...
上文我们介绍了使用简单的Random Guessing Algorithm & Hill Climbing 算法来解决CartPole问题，主要在决策动作这个步...
所以动作价值的估计函数学习的目标是累计回报与TD error之差的期望。-------- 从replay buffer中随机采样一个batch。使用了
和是强化学习两个最重要最显著的。强化学习既表示一个，又是一类解决问题的，同时还是一个研究此问题及其解决方法的。区分“”和“”，在强化学习中十分重要。马
