杨熹的专栏-腾讯云开发者社区

开发者社区

文档建议反馈控制台

腾讯云架构师技术同盟

文章/答案/技术大牛

发布

杨熹的专栏

专栏成员

302

文章

385198

阅读量

55

订阅数

《智能语音时代》

神经网络深度学习人工智能

我们正在进入语音时代，从智能语音助手到智能家居，这些智能语音产品已经开始融入我们的生活了。

2020-04-14

2.2K1

Q，Friend-Q，Foe-Q，Ce-Q 简要对比

action agent friend 表格

它们都可以用于 multi-agent 环境，下面以 soccer game 为例。

2020-04-14

6170

SARSA 的 python 实现

设置一个 epsilon，如果随机产生的数字小于eps就随便弄个action探索一下，如果大于eps就利用环境信息挑选action：

2020-04-10

7280

KWIK 算法来自论文 Knows What It Knows: A Framework For Self-Aware Learning

2020-04-10

6270

什么是 Multiagent Q Learning

multiagent 是指同时有多个 agent 更新 value 和 Q 函数，主要的算法有：q learning， friend and foe q leaning，correlated q learning，在每个训练步骤，学习器会考虑多个 agent 的联合 states，actions，reward，来更新 q 值，其中会用到函数 f 选择价值函数。

2020-04-09

9890

读论文：《Correlated-Q Learning》

action max state sum vi

今天要读一篇 Amy Greenwald 的论文《Correlated-Q Learning》，先记一下论文中的基础概念，然后再去深入解读。

2020-04-02

6510

石头剪子布最优策略的线性解法

石头剪子布属于一种 zero-sum game，即一个人的 loss 是另一个人的 gain。

2020-03-26

9920

maxmin 的代码实现

https 网络安全游戏

在解决石头剪子布这个问题的过程中，我们会用到一个 maxmin 函数，先来看看这个函数的理论基础。

2020-03-25

7450

如何应用 cvxopt 中的 solvers.lp

https 网络安全

我们在求解石头剪子布的纳什均衡问题时会用到 cvxopt 里面的这个函数：solvers.lp(c=c, G=G, h=h, A=A, b=b)。

2020-03-24

1.2K0

cvxopt 示例简单讲解

https 网络安全 python

Cvxopt 是基于 Python 语言的用于解决凸优化问题的免费包，可以用于求解纳什均衡问题的最优策略，好用但是不容易理解，

2020-03-24

1.3K0

什么是 Q-learning？

action agent greedy state table

它是强化学习中的一种 values-based 算法，最终是会学习出一个表格 Q-Table，例如在一个游戏中有下面5种状态和4种行为，则表格为：

2020-03-20

1.3K0

强化学习基础环境 Gym 简介

OpenAI Gym 是一个最广泛使用的强化学习实验环境，内置上百种实验环境，比如一些简单几何体的运动，一些用文本表示的简单游戏，或者机械臂的抓取和控制等实验环境。

2020-03-20

1.3K0

Q-learning 的本质是在干什么？

action agent probability state

Q-learning 是要让 agent 通过不断地玩游戏，从环境给予的奖励反馈中学习到给定state下的最优 action。

2020-03-20

5260

自动驾驶器环境介绍

在gym里有个自动驾驶的模拟器，它的任务是把乘客从一个地方接起，在另一个地方放下，在这个过程中需要小车至少遵守下面三个规则：

2020-03-20

3850

Q-learning 的 python 实现

action agent function state table

通过前面的几篇文章可以知道，当我们要用 Q-learning 解决一个问题时，首先需要知道这个问题有多少个 state，每个 state 有多少 action，并且建立一个奖励表格 P，维度是 action * 4，这4列分别标记着采取每个 action 的概率，采取每个 action 下一步会到达的 new state，采取每个 action 会获得的奖励，以及游戏是否结束。

2020-03-20

8930

Gym 的 Frozen Lake 环境介绍

action agent render sample state

上一篇文章有介绍gym里面env的基本用法，下面几行可以打印出一个当前环境的可视化：

2020-03-20

2.2K0

SARSA 算法简介

数据加密服务编程算法

State–action–reward–state–action (SARSA) 也是强化学习中很重要的一个算法，它的算法和公式和 Q learning 很像，但是 Q-Learning 是Off-Policy的，SARSA 是On-Policy 的，具体区别我们可以在下一节中再看。

2020-03-20

1.4K0

Deep Q-Learning 的数据预处理

Q-Learning 中需要建立一个 Q-table 用来查询每个state所对应的最好的action，但是当 state 空间很大时，如上百万的状态时，这个 Q 表会很大，建立表格和更新表格就很低效，所以有了 Deep Q-Learning 的方法，在DQN 中不会建立Q 表，但是会建立一个 Deep Q Neural Network 来计算每个 state 的每个 action 的近似 Q-values，这样也可以找到最优决策。

2020-03-20

7580

python, gym, mujoco, mujoco-py 你们之间的关系让我很想吐槽

今天要用 Gym 里面的 LunarLander-v2 环境，结果报错，寻思着重新安装一下，于是一段漫长的连环坑就开始了。

2020-03-20

6.3K3

什么是 Deep Q learning 算法

上一篇文章中我们知道了 Q-learning 不适合状态空间很大的情况，因为它需要建立的 Q-table 对于较大维数的状态空间来说，计算是很难实现的，所以用 Deep Q Learning，即 Deep Learning + Reinforcement Learning 的方式来解决，下面是 deepmind 团队发表的 DQN 算法：

2020-03-20

1.1K0

点击加载更多

社区活动

Python精品学习库

代码在线跑，知识轻松学

博客搬家 | 分享价值百万资源包

自行/邀约他人一键搬运博客，速成社区影响力并领取好礼

技术创作特训营·精选知识专栏

往期视频·干货材料·成员作品最新动态