Q Learning_qlearning名

作者：酷酷是懒虫 | 2024-08-21 17:39:33

踩

qlearning名

用一个actor pie 与环境交互，然后学习得到这个actor的Q函数，然后通过某种方法找到一个pie plus，它的Q函数更好，如此往复，actor越来越好

double DQN，因为被高估的action，容易被选中，导致最后的Q函数高估。所以用run network选择action，target network 算值

dueling DQN，将Q分解为V+A，A的和强制为0，这样更新V，可以更新到某些没有被抽样到的action

Prioritized reply TD error 大的样本，给更高的抽样优先级

multi step 样本不止考虑一步，可以考虑多步，Q函数的更新也考虑多步

Noise Net 在每一场游戏与环境互动前，对Q函数的参数上加一些噪音，比epison greedy方法好，原方法是在action空间上加noise，纯粹的乱尝试，现在在参数空间上加noise，是有策略的尝试

声明：本文内容由网友自发贡献，不代表【wpsshop博客】立场，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：https://www.wpsshop.cn/w/酷酷是懒虫/article/detail/1012729