VIP6
本课程属于：152-RLHF与强化学习工程 AI智能与边缘计算工程 · 共 6 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

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
课程导入
学习目标 · 核心概念 · 整体框架
课程导入学习目标
02
强化学习基础
马尔可夫决策过程 · 状态 · 动作
强化学习基础马尔可夫决策过程
03
环境与智能体交互
环境接口设计 · 观测空间与动作空间的定义 · 奖励信号设计原则
环境智能体交互
04
策略梯度方法入门
策略参数化 · 目标函数 · REINFORCE算法
策略梯度方法入门策略参数化
05
Actor-Critic架构
价值函数与策略网络结合 · 优势函数估计 · A2C/A3C原理
Actor-Critic架构
06
PPO算法详解
裁剪目标 · 信任区域 · PPO实现细节与超参数调优
PPO算法详解
07
DQN及其变体
经验回放 · 目标网络 · Double DQN
DQN其变体
08
策略与环境集成实战
使用Gym/Gymnasium构建自… · 注册环境 · 渲染与交互
策略环境集成实战
09
环境规范化与预处理
状态归一化 · 图像预处理 · 帧堆叠
环境规范化预处理
10
多智能体环境集成
多智能体强化学习基础 · 合作与竞争环境 · 通信与共享策略
多智能体环境集成多智能体强化学习…
11
连续动作空间策略
确定性策略梯度（DPG） · DDPG · TD3
连续动作空间策略DPG
12
模型预测与规划集成
基于模型的强化学习 · 环境模型学习 · 规划与策略结合
模型预测规划集成
13
模仿学习与逆强化学习
行为克隆 · GAIL · 奖励函数推断与策略训练
模仿学习逆强化学习
14
分层强化学习
选项框架 · 子目标生成 · 层次化策略训练与环境交互
分层强化学习选项框架
15
探索与利用平衡
ε-greedy · UCB · 熵正则化
探索利用平衡
16
策略评估与调试
价值函数可视化 · 策略行为分析 · 常见训练失败模式与诊断
策略评估调试
17
超参数调优与实验管理
学习率 · 批量大小 · 网络结构
超参数调优实验管理
18
分布式强化学习
并行环境采样 · Ape-X · IMPALA
分布式强化学习并行环境采样
19
安全与约束策略
约束马尔可夫决策过程 · 安全探索 · 风险敏感策略
安全约束策略
20
迁移学习与元强化学习
策略迁移 · 域随机化 · MAML
迁移学习元强化学习
21
真实世界环境集成
机器人控制 · 自动驾驶 · 推荐系统等案例中的环境建模与集成
真实世界环境集成机器人控制
22
仿真到现实迁移
Sim2Real · 域适应 · 系统辨识
仿真到现实迁移Sim2Real
23
强化学习工具链
Ray RLlib · Stable-Baselines3 · TF-Agents
强化学习工具链Ray
24
策略训练性能优化
GPU加速 · 混合精度 · 模型压缩
策略训练性能优化GPU
25
常见问题与解决方案
训练不稳定 · 奖励稀疏 · 样本效率低
常见问题解决方案
26
项目实战
从零构建一个完整强化学习应用（如Ca… · Atari · MuJoCo）
项目实战Ca
27
案例研究
经典复现（如PPO · DQN · SAC）与代码解析
案例研究PPO
28
策略评估与基准测试
标准环境套件 · 性能指标 · 结果对比与可视化
策略评估基准测试
29
前沿进展与未来方向
离线强化学习 · 世界模型 · 多模态环境
前沿进展未来方向
30
综合提升与课程总结
知识体系梳理 · 项目答辩 · 学习资源推荐
综合提升课程总结