- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我目前正在开展一个类(class)项目,并尝试打破常规,为类似奥赛罗的游戏开发 AI。
我正在研究许多不同的技术和算法来确定最佳移动,例如 Negascout 和 MTD(f)。然而它们都需要一个良好的评估函数。
我想出了一堆可以在函数中使用的指标 {A_0...A_n}
G(state) = p_0*A_0 + p_1*A_1 + ... +p_n*A_n
我想以某种方式找到 p_0 到 p_n 的良好值
一个建议是使用机器学习来生成函数的参数,但在阅读中,我发现诸如 Q 学习之类的算法都要求我已经有一个奖励函数。
此外,在阅读有关 Td(lambda) 的内容时,我注意到它甚至不需要对指标进行手动编码。它会使用什么样的奖励函数来学习?
我的理解中缺少什么?
最佳答案
我认为你混淆了通常所说的 Q 函数,即从一个状态获得的最大总和(可能是折扣)奖励的估计,与奖励函数。
详细说明一下:存在一个在 (s,a,s') 三元组上定义的奖励函数 R,它告诉我在状态 s 中选择 Action a 并最终进入 s' 时收到的奖励。为了决定我应该采取哪个行动,我需要一些质量函数 Q(s,a) 的估计,它告诉我在状态 s 下采取行动 a 的预期折扣 future 奖励。期望是因为在一般情况下,您的转换函数可能是概率性的,因此相同状态下的相同操作可能并不总是以相同的后继者结束。这个 q 函数对当前状态轨迹上每个 (s,a,s') 三元组的 Rs 进行求和,可能会应用折扣因子来降低更远的奖励的权重,也可能使用范围。
综上所述,R已给出。强化学习问题是提出 Q 的估计。Q 可以通过对 s 和 a 的一堆特征进行线性回归来近似,就像您上面给出的形式一样,但关键是考虑到您观察 s 的轨迹知道该轨迹的 s 贴现 future 奖励的真实值,因此您有正确的答案来估计回归模型。学习奖励函数是一个完全不同的问题,不能通过 Q 学习、时间差异等来解决。
关于machine-learning - 我如何学习奖励函数?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/18758615/
进程虚拟机和系统虚拟机有什么区别? 我的猜测是,进程 VM 没有为该操作系统的整个应用程序提供一种操作系统,而是为某些特定应用程序提供环境。 系统虚拟机为操作系统提供了一个安装环境,就像 Virtua
我写了一个 C# windows 应用程序表单,它在客户端机器上运行并连接到另一台机器上的 SQL 服务器。在 C# 中建立连接时,我使用了像这样的 dll 1)microsoft.sqlserver
作为我作业的一部分,我正在处理几个数据集,并通过线性回归查找它们的训练错误。我想知道标准化是否对训练误差有影响?对于标准化前后的数据集,我的相关性和 RMSE 是相等的。 谢谢 最佳答案 很容易证明,
我在公司数据中心的 linux VM 上安装了 docker-engine。我在 Windows 上安装了 docker-machine。我想通过我的 Windows 机器管理这个 docker-en
我在我的 PC 上运行 SAS Enterprise Guide 以连接到位于我们网络内的服务器上的 SAS 实例。 我正在编写一个将在服务器上运行的 SAS 程序,该程序将使用 ODS 将 HTML
我正在创建一个包含 ASP.Net HttpModule 和 HttpHandler 的强签名类库。 我已经为我的库创建了一个 visual studio 安装项目,该项目在 GAC 中安装了该库,但
我试过 docker-machine create -d none --url tcp://:2376 remote并复制 {ca,key,cert}.pem (客户端证书)到机器目录。然后我做了 e
请注意 : 这个问题不是关于 LLVM IR , 但 LLVM 的 MIR ,一种低于前一种的内部中间表示。 本文档关于 LLVM Machine code description classes ,
我理解图灵机的逻辑。当给出图灵机时,我可以理解它是如何工作的以及它是如何停止的。但是当它被要求构造图灵机,难度更大。 有什么简单的方法可以找到问题的答案,例如: Construct a Turing
我不确定我是否理解有限状态机和状态机之间是否有区别?我是不是想得太难了? 最佳答案 I'm not sure I understand if there is a difference between
我遵循 docker 入门教程并到达第 4 部分,您需要使用 virtualbox ( https://docs.docker.com/get-started/part4/#create-a-clus
我使用 Virtual Machine Manager 通过 QEMU-KVM 运行多个客户操作系统。我在某处读到,通过输入 ctrl+alt+2 应该会弹出监视器控制台。它不工作或禁用。有什么办法可
当我尝试在项目中包含 libc.lib 时,会出现此错误,即使我的 Windows 是 32 位,也会出现此错误。不知道我是否必须从某个地方下载它或什么。 最佳答案 您正在尝试链接为 IA64 架构编
生成模型和判别模型似乎可以学习条件 P(x|y) 和联合 P(x,y) 概率分布。但从根本上讲,我无法说服自己“学习概率分布”意味着什么。 最佳答案 这意味着您的模型要么充当训练样本的分布估计器,要么
我正在使用 visual studio 2012.我得到了错误 LNK1112: module machine type 'x64' conflicts with target machine typ
使用 start|info|stop|delete 参数运行 boot2docker导致错误消息: snowch$ boot2docker start error in run: Failed to
到目前为止,我一直只在本地使用 Vagrant,现在我想使用 Azure 作为提供程序来创建 VM,但不幸的是,我遇到了错误,可以在通过链接访问的图像上看到该错误。我明白它说的是什么,但我完全不知道如
这个问题在这里已经有了答案: 关闭 10 年前。 Possible Duplicate: linking problem: fatal error LNK1112: module machine t
我正在使用 Nodejs 的 dgram 模块运行一个简单的 UDP 服务器。相关代码很简单: server = dgram.createSocket('udp4'); serve
嗨,我收到以下错误,导致构建失败,但在 bin 中创建了 Wix 安装程序 MSI。我怎样才能避免这些错误或抑制? 错误 LGHT0204:ICE57:组件 'cmp52CD5A4CB5D668097
我是一名优秀的程序员,十分优秀!