【RL Base】强化学习核心算法：深度Q网络（DQN）算法

不去幼儿园

优质创作者: 算法与数据结构技术领域

领域专家: 人工智能技术领域

2024-11-28 17:15:18

📢uu周四好，本周第二篇新文来了：（New）

🔥【RL Base】强化学习核心算法：深度Q网络（DQN）算法

https://rainbook.blog.csdn.net/article/details/143994567

🔥交流学习/问题答疑欢迎前往博客主页左侧/文章末尾处添加微信

添加一下，不就互联网人脉+1

感谢大家的支持！✨

...全文

205 回复打赏收藏转发到动态举报

写回复

回复

切换为时间正序

请发表友善的回复…

发表回复

基于多智能体的深度强化学习RL的优化OBSS干扰的matlab仿真_源码

【资源介绍】基于QDN算法强化学习训练flappy bird小游戏python源码+模型+说明.zip ## 1.Description 使用QDN算法，在PyTorch平台下训练Flappy Bird游戏。 ## 2.Environment ```shell (rl) PS C:\Users\dd> conda list # packages in environment at D:\Software\Miniconda3\envs\rl: # # Name Version Build Channel numpy 1.22.3 py38h7a0a035_0 defaults numpy-base 1.22.3 py38hca35cd5_0 defaults opencv-python 4.6.0.66 pypi_0 pypi pillow 6.2.1 pypi_0 pypi pygame 2.1.2 pypi_0 pypi pygments 2.11.2 pyhd3eb1b0_0 defaults python 3.8.13 h6244533_0 defaults python-dateutil 2.8.2 pyhd3eb1b0_0 defaults python_abi 3.8 2_cp38 conda-forge pytorch 1.8.2 py3.8_cuda11.1_cudnn8_0 pytorch-lts ``` ## 3.Directory ```shell .... ``` ## 4.Train ```shell python qdn_train.py ``` ## 5.Test ![](images/flappy_bird.gif) ```shell ``` 【说明】该项目是个人毕设项目，答辩评审分达到95分，代码都经过调试测试，确保可以运行！欢迎下载使用，可用于小白学习、进阶。该资源主要针对计算机、通信、人工智能、自动化等相关专业的学生、老师或从业者下载使用，亦可作为期末课程设计、课程大作业、毕业设计等。项目整体具有较高的学习借鉴价值！基础能力强的可以在此基础上修改调整，以实现不同的功能。欢迎下载交流，互相学习，共同进步！

转自https://zhuanlan.zhihu.com/p/25239682 过去的一段时间在深度强化学习领域投入了不少精力，工作中也在应用DRL解决业务问题。子曰：温故而知新，在进一步深入研究和应用DRL前，阶段性的整理下相关知识点。本文集中在DRL的model-free方法的Value-based和Policy-base方法，详细介绍下RL的基本概念和Value-based DQN，Pol...

DQN算法及案例：如何使用DQN实现走迷宫算法原理案例详解算法原理在了解DQN之前，我们需要知道值函数近似这一思想。值函数近似：在数据较大情况下，根据s&a去查询Q值会比较困难。值函数近似是输入s和a，近似地计算得到Q值，在DQN中使用的是神经网络完成这一步骤，简单情况下使用线性函数也行。 DQN：融合神经网络和Q值。Q值难以记录，可以通过神经网络输入s、a，然后输出Q值进行策略的选择。前面提到的算法训练目标是Q矩阵，DQN训练目标训练一个神经网络，可以通过这个网络来计算得到Q值并选择最优动作

强化学习交流

80

社区成员

83

社区内容

发帖

与我相关

我的任务

人工智能无人机算法其他湖南省·长沙市

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章