【强化学习】基础离线算法：Q-Learning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
2024-12-06 09:04:08

📢新文来了：（New）

🔥【强化学习】基础离线算法：Q-Learning算法

https://rainbook.blog.csdn.net/article/details/144207901

🔥新建了一个【强化学习算法】Gitcode仓库，烦请大家右上角点一个星星✨

https://gitcode.com/qq_51399582/Reinforcement-Learning

感谢大家的支持！

【Sentence】不念过往，不畏将来

...全文
247 回复 打赏 收藏 转发到动态 举报
写回复
用AI写文章
回复
切换为时间正序
请发表友善的回复…
发表回复
RL Latest Tech离线强化学习：保守Q学习 (CQL) 算法
RL Latest Tech】离线强化学习：保守Q学习 (CQL) 算法 =================================================================== 包含CQL算法的两个环境实现： 1.CartPole-v1环境 2.halfcheetah-medium-v2环境 =================================================================== CQL算法简介 Conservative Q-Learning (CQL) 是由Sergey Levine及其团队于2020年提出的一种针对离线强化学习的算法。CQL旨在解决离线强化学习中的两个主要问题：分布偏移（Distributional Shift） 和 过度乐观的值函数估计（Overestimation of Q-Values）。CQL通过对Q值的保守约束，确保学习到的策略更为稳健，避免过度依赖于离线数据中的稀有样本或未充分探索的区域。 和本声明。
pytorch实现的离线强化学习7种常见算法代码
这个资源包含了BC、BCQ、BEAR、TD3-BC、CQL、IQL、AWAC七种离线强化学习算法的实现，每个算法文件夹都可以独立运行并测试相应算法在不同环境中的性能。
Python基于强化学习Q-learning和Deep learning的无人车AI项目.zip
此无人车AI项目使用的Deep Q-learning算法，是DeepMind在2013年发明的深度强化学习算法，将Q-learning的思想与神经网络算法结合，也算是现代强化学习算法的源头了。研究者用这个算法在2015年让计算机学会了49种Atari游戏，并在大部分游戏中击败了人类。从适用性上来讲，我们不需要告诉AI具体的规则，只要让它不断摸索，它就能慢慢从中找到规律，完成许多之前被认为只有人类能完成的智力活动。 详细介绍参考：https://blog.csdn.net/newlw/article/details/123271032
【Hierarchical RL】离线策略修正分层强化学习（HIRO）算法代码
【Hierarchical RL】离线策略修正分层强化学习（HIRO）算法代码 离线策略修正分层强化学习，Hierarchical Reinforcement Learning with Off-Policy Correction (HIRO) 是一种基于分层强化学习的算法，旨在解决长时间跨度和稀疏奖励问题。HIRO 特别引入了离策略（off-policy）校正机制，允许高层策略利用低层策略的经验，而不会因为低层策略的更新而产生偏差。 该算法是由 K. Nachum 等人在 2018 年的论文中首次提出的。这篇论文介绍了一种新的分层强化学习方法，通过引入离策略校正机制来解决高层策略与低层策略之间的协调问题，从而应对稀疏奖励和长时间跨度的任务。论文详细描述了 HIRO 的原理、算法和实验结果，并展示了该方法在长时间跨度任务中的显著性能提升。
在 d4rl 的 Hopper 数据集上应用离线强化学习算法 CQL.zip
在 d4rl 的 Hopper 数据集上应用离线强化学习算法 CQL.zip
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
社区描述
一起来交流强化学习吧！主要探讨关于强化学习算法，以及在各领域中的应用，如无人机、智能汽车等。
人工智能无人机算法 其他 湖南省·长沙市
社区管理员
  • 不去幼儿园
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