强化学习 动态规划 策略评估 策略改进 策略迭代 有模型 无模型

目录

 

一.动态规划

1.1核心思想

1.2异步动态规划

二.策略评估与改进

2.1有模型学习与无模型学习

2.2策略评估

2.2.1输入

2.2.2输出

2.2.3迭代过程

2.3策略改进

2.3.1输入

2.3.2输出

2.3.3迭代过程

2.4策略迭代

 

---

 

一.动态规划

1.1核心思想

        动态规划，英文名Dynamic Programming，简称DP。其核心思想为：

1.分解原问题为若干子问题，通过求解子问题，得到原问题的解。

2.分解得到的多个子问题省去重复问题的计算过程。

1.2异步动态规划

        异步动态规划英文被称为Asynchronous Dynamic Programming，能够高效完成强化学习任务，只更新一部分状态值。

---

2.4策略迭代

策略迭代应用了策略评估与策略改进，不断迭代进而求解最优策略：