个人技术笔记

自动驾驶之行为决策

发布时间：2020-05-04  栏目：决策控制, 强化学习, 软件算法  评论：0 Comments

在确定全局路径之后，自动驾驶车辆需要根据具体的道路状况、交通规则、其他车辆与行人等情况作出合适的行为决策。 这一过程面临三个主要问题： 首先，真实的驾驶场景千变万化，如何覆盖？ 其次，真实的驾驶场景是一个多智能体决策环境，包括主车...

蒙特卡洛树搜索（MCTS）

发布时间：2020-02-26  栏目：人工智能, 强化学习  评论：0 Comments

Black box optimization基础 了解完Game theory，第二个需要了解的是Black box optimization，也就是黑盒优化。我们知道优化就是根据给定的数据集找到更好的选择，例如机器学习就是典型的优化过程，但我们用的机器学习算法如LR、SVM、DNN都不是...

Q-learning

发布时间：2017-05-23  栏目：强化学习  评论：0 Comments

Q-Learning是off-policy的方法，要balance exploration和exploitation一般用-greedy的方法。迭代时会找下一步的最大Q值迭代，这也是它和Sarsa这种on-policy方法的不同点。 Q为动作效用函数（action-utility function），用于评价在特定状态下采...

Guided Policy Search

发布时间：2017-03-14  栏目：人工智能, 强化学习  评论：0 Comments

State Action Reward State Action (SARSA)

发布时间：2017-03-14  栏目：强化学习  评论：0 Comments

State Action Reward State Action (SARSA) 算法其实是状态-动作价值版本的时差学习 (Temporal Difference, TD) 算法。SARSA 利用马尔科夫性质，只利用了下一步信息。SARSA 让系统按照策略指引进行探索，在探索每一步都进行状态价值的更新。 &nb...

[转] 强化学习方法汇总

发布时间：2017-03-14  栏目：人工智能, 强化学习  评论：0 Comments

了解强化学习中常用到的几种方法,以及他们的区别, 对我们根据特定问题选择方法时很有帮助. 强化学习是一个大家族, 发展历史也不短, 具有很多种不同方法. 比如说比较知名的控制方法 Q learning, Policy gradients, 还有基于对环境的理解的 model-...