个人中心
文章发布
退出
作者热门文章
- iOS/Objective-C 元类和类别
- objective-c - -1001 错误，当 NSURLSession 通过 httpproxy 和/etc/hosts
- java - 使用网络类获取 url 地址
- ios - 推送通知中不播放声音
24
4
我在无模型强化学习中遇到了 SARSA 算法。具体来说，在每个状态下，您将执行一个操作 a，然后观察一个新状态 s'。
我的问题是，如果你没有状态转移概率方程 P{next state |当前状态 = s0}，你怎么知道你的下一个状态是什么？
我的尝试:你只是简单地尝试那个 Action a，然后从环境中观察吗？ 
最佳答案
通常是，您在环境中执行操作，环境会告诉您下一个状态是什么。
关于algorithm - 强化学习中的 SARSA，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/50360618/
24
4
0
我在无模型强化学习中遇到了 SARSA 算法。具体来说，在每个状态下，您将执行一个操作 a，然后观察一个新状态 s'。 我的问题是，如果你没有状态转移概率方程 P{next state |当前状态 =
在尝试将 Episodic Semi-gradient Sarsa with 神经网络实现为逼近器时，我想知道如何根据当前学习到的网络权重选择最佳 Action 。如果 Action 空间是离散的，我
我正在尝试实现资格跟踪(前瞻性)，其伪代码可以在下图中找到 我不确定 For all s, a 的含义(从下面第 5 行)。他们从哪里获得 s, a 的集合？ 如果是前瞻性的，是否从当前状态向前循环观
我已经使用表查找成功实现了 SARSA 算法(一步法和使用资格跟踪)。本质上，我有一个 q 值矩阵，其中每行对应一个状态，每列对应一个操作。 类似于: [Q(s1,a1), Q(s1,a2), Q(s
我正在用 C++ 实现 SARSA(lambda) 模型，以克服 DP 模型的一些限制(DP 模型所需的大量时间和空间)，这有望减少计算时间(需要相当多的时间 atm)对于类似的研究)，更少的空间将允
我的问题是关于在强化学习中使用 SARSA 算法来解决一个未折现的、持续的(非情节)问题(它可以用于这样的问题吗？) 我一直在研究 Sutton 和 Barto 的教科书，他们展示了如何修改 Q-le
我有一个关于 this 的问题SARS FA。 在输入单元格 142 中我看到此修改后的更新 w += alpha * (reward - discount * q_hat_next) * q_hat
我正在查看这个 SARSA-Lambda 实现(即:具有资格跟踪的 SARSA)，但有一个细节我仍然不明白。 (图片来自http://webdocs.cs.ualberta.ca/~sutton/bo
Q-learning 和 SARSA 的区别在于 Q-learning 比较当前状态和可能的最佳下一个状态，而 SARSA 比较当前状态和实际下一个状态。 如果使用贪心选择策略，即 100% 的时间选
虽然我知道SARSA符合政策，而 Q-learning是偏离策略的，当查看他们的公式时，(对我来说)很难看出这两种算法之间的任何区别。 根据书Reinforcement Learning: An In
我正在尝试基于 Sutton & Barto's Book 实现线性梯度下降 Sarsa ，算法见下图。 但是，我很难理解算法中的某些内容: w 和 z 的维度是否与可以采取的不同操作数量无关？在书中
由于我是这个领域的初学者，所以我对不同的 epsilon 值将如何影响 SARSA 和 Qlearning 与用于 Action 选择的 epsilon 贪婪算法之间的影响表示怀疑。 据我了解，当 e
我是一名优秀的程序员,十分优秀！