首页
›
实战100例
›
052-强化学习实战
›
《强化学习策略训练与环境集成实战100例》
VIP11
本课程属于：052-强化学习实战
实战100例 · 共 11 门相关课程，组合学习更完整。
查看所属VIP全部课程 →
← 返回所属目录
咨询 / 购买
《强化学习策略训练与环境集成实战100例》
共 100 例
01
构建自定义Gridworld环境
02
实现Q-Learning算法
03
实现SARSA算法
04
实现策略迭代算法
05
实现值迭代算法
06
使用动态规划求解悬崖行走
07
实现ε-贪心策略
08
实现UCB探索策略
09
实现Softmax探索策略
10
实现资格迹（Eligibility Traces）
11
实现Double Q-Learning
12
实现Dyna-Q算法
13
实现RMax算法
14
实现Prioritized Sweeping
15
实现蒙特卡洛控制
16
实现TD(0)预测
17
实现n步TD方法
18
实现线性函数逼近
19
实现Tile Coding特征编码
20
实现径向基函数（RBF）逼近
21
实现神经网络Q-Learning
22
实现经验回放
23
实现目标网络
24
实现Double DQN
25
实现Dueling DQN
26
实现Prioritized Experience Replay
27
实现Noisy DQN
28
实现Rainbow DQN
29
实现策略梯度REINFORCE
30
实现带基线的REINFORCE
31
实现Actor-Critic算法
32
实现A2C算法
33
实现A3C算法
34
实现GAE（广义优势估计）
35
实现PPO算法
36
实现TRPO算法
37
实现SAC算法
38
实现TD3算法
39
实现DDPG算法
40
实现HER（Hindsight Experience Replay）
41
实现好奇心驱动探索
42
实现随机网络蒸馏（RND）
43
实现参数噪声
44
实现多智能体独立Q-Learning
45
实现多智能体DQN
46
实现MADDPG算法
47
实现QMIX算法
48
实现COMA算法
49
实现模型预测控制（MPC）
50
实现基于模型的RL（MB-MPO）
51
实现World Models
52
实现Dreamer算法
53
实现PlaNet算法
54
实现I2A（Imagination-Augmented Agents）
55
实现AlphaZero风格MCTS
56
实现MuZero算法
57
实现分层强化学习（选项）
58
实现FeUdal Networks
59
实现H-DQN
60
实现Option-Critic
61
实现Skill Discovery
62
实现模仿学习（行为克隆）
63
实现GAIL算法
64
实现AIRL算法
65
实现逆强化学习（最大熵）
66
实现元学习（MAML）
67
实现RL^2
68
实现LSTM策略
69
实现注意力机制策略
70
实现图神经网络策略
71
实现Transformer策略
72
实现多任务强化学习
73
实现迁移学习
74
实现域随机化
75
实现Sim-to-Real迁移
76
实现安全强化学习（约束策略优化）
77
实现鲁棒强化学习
78
实现离线强化学习（BCQ）
79
实现CQL算法
80
实现TD3+BC
81
实现IQL算法
82
实现奖励塑形
83
实现课程学习
84
实现自动课程学习（ACL）
85
实现逆课程学习
86
实现目标条件强化学习
87
实现通用价值函数（UVFA）
88
实现Hindsight Goal Generation
89
实现基于能量的模型（EBM）策略
90
实现归一化流策略
91
实现变分自编码器（VAE）策略
92
实现高斯过程策略
93
实现进化策略（ES）
94
实现交叉熵方法（CEM）
95
实现CMA-ES
96
实现强化学习与规划结合（AlphaGo风格）
97
实现基于采样的规划（CEM规划）
98
实现交叉熵规划（CEM）
99
实现模型预测路径积分（MPPI）
100
实现强化学习环境集成（Gym）
所属VIP或分类
同VIP：Isaac-Sim机器人强化学习训练实战100例
同VIP：PPO·SAC与多智能体强化学习实战100例
同VIP：Ray分布式强化学习训练实战100例