VIP20
本课程属于：013-GROMACS轨迹模拟 生物信息学与 AI 制药工程 · 共 20 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MDP建模与价值策略迭代算法

共计 30 章节
点击此处阅读海量试读课程：100+行业、1000+细分领域
01
MDP概述与基本概念
MDP概述与基本概念 · 核心概念 · 实践要点
MDP基本概念
02
状态(State)的定义与表示
状态(State)的定义与表示 · 核心概念 · 实践要点
State状态
03
动作(Action)空间与动作类型
动作(Action)空间与动作类型 · 核心概念 · 实践要点
Action动作
04
转移概率(Transition Probability)的数学定义
转移概率(Transition Prob… · 核心概念 · 实践要点
TransitionProbability
05
奖励函数(Reward Function)的设计原则
奖励函数(Reward Function… · 核心概念 · 实践要点
RewardFunction
06
折扣因子(Discount Factor) gamma 的作用与选择
折扣因子(Discount Factor… · 核心概念 · 实践要点
DiscountFactor
07
策略(Policy)的定义
确定性策略与随机性策略
Policy策略
08
状态价值函数(State Value Function) V(s)
状态价值函数(State Value F… · 核心概念 · 实践要点
StateValue
09
动作价值函数(Action Value Function) Q(s,a)
动作价值函数(Action Value… · 核心概念 · 实践要点
ActionValue
10
贝尔曼期望方程(Bellman Expectation Equation)推导
贝尔曼期望方程(Bellman Expe… · 核心概念 · 实践要点
BellmanExpectation
11
贝尔曼最优方程(Bellman Optimality Equation)
贝尔曼最优方程(Bellman Opti… · 核心概念 · 实践要点
BellmanOptimality
12
最优价值函数与最优策略的关系
最优价值函数与最优策略的关系 · 核心概念 · 实践要点
最优价值函数最优策略的关系
13
策略评估(Policy Evaluation)迭代算法
策略评估(Policy Evaluati… · 核心概念 · 实践要点
PolicyEvaluation
14
策略改进(Policy Improvement)定理
策略改进(Policy Improvem… · 核心概念 · 实践要点
PolicyImprovement
15
策略迭代(Policy Iteration)算法详解
策略迭代(Policy Iteratio… · 核心概念 · 实践要点
PolicyIteration
16
值迭代(Value Iteration)算法详解
值迭代(Value Iteration)… · 核心概念 · 实践要点
ValueIteration
17
值迭代与策略迭代的对比分析
值迭代与策略迭代的对比分析 · 核心概念 · 实践要点
值迭代策略迭代的对比分…
18
动态规划(DP)在MDP中的应用
动态规划(DP)在MDP中的应用 · 核心概念 · 实践要点
DPMDP
19
蒙特卡洛方法(Monte Carlo)估计价值函数
蒙特卡洛方法(Monte Carlo)估… · 核心概念 · 实践要点
MonteCarlo
20
时序差分学习(Temporal Difference Learning)
时序差分学习(Temporal Diff… · 核心概念 · 实践要点
TemporalDifference
21
Q-learning算法原理与实现
Q-learning算法原理与实现 · 核心概念 · 实践要点
Q-learning算法原理
22
SARSA算法与Q-learning的区别
SARSA算法与Q-learning的区… · 核心概念 · 实践要点
SARSAQ-learning
23
探索与利用(Exploration vs Exploitation)
探索与利用(Exploration vs… · 核心概念 · 实践要点
Explorationvs
24
epsilon-贪婪策略详解
epsilon-贪婪策略详解 · 核心概念 · 实践要点
epsilon贪婪策略详解
25
函数近似与深度学习基础
函数近似与深度学习基础 · 核心概念 · 实践要点
函数近似深度学习基础
26
深度Q网络(DQN)原理
深度Q网络(DQN)原理 · 核心概念 · 实践要点
DQN深度Q网络
27
经验回放(Experience Replay)技术
经验回放(Experience Repl… · 核心概念 · 实践要点
ExperienceReplay
28
目标网络(Target Network)技术
目标网络(Target Network)… · 核心概念 · 实践要点
TargetNetwork
29
MDP参数调优实践
折扣因子与学习率
MDP参数调优实践
30
MDP参数在实际项目中的选择与陷阱
MDP参数在实际项目中的选择与陷阱 · 核心概念 · 实践要点
MDP参数