Q-learning

今天,来说说q-learning.在我最近学习机相关资料后.首先关于q-learning 是一个马尔科夫决策的过程(markov).公式如下:

Q(st,at)←Q(st,at)+α[rt+1+λmaxaQ(st+1,a)−Q(st,at)]

这里的Q 就是Q表, 

α是学习效率,

r是奖励(立马奖励),

λ的意思我一时词穷了我自己取一个远见值吧(0~1)

好了, 这些东西呢,大家只要搜一搜应该都能搞明白.接下来我就来说说我的理解吧

首先这个学习效率,大家稍微思考一下就明白了,比如传一个0 就是不学习嘛,传1就是专心学习咯.那就有人会问了,如果是这样的话 我就是为了学习的呀,训练一个决策的Q表呀,那我肯定是传1最好了! 对的,这样想完全正确, 那么有没有想过,你训练完之后是不是要用这个表来做决策呢? 想到这里大家应该就明白了, 这就相当于一个debug 一个realse一样, 你的学习过程就是debug环境下的调试过程, 这个时候学习效率传1最后了,最快的学习好, 然后当你学习好了之后传一个0 就变成生产环境了. 这个时候就可以放行使用了.不用担心还会出现一些debug的时候的奇怪的问题出来(比如调试代码什么的). 

这里顺便提一下,markov决策里面有一个原理就是当一些参数一定的时候最后的数据的分布会趋向稳定. 这个就给我们一个提示就是, 这个Q的学习过程到了一定程度的时候,每一个状态下的Q值都会趋于稳定(不变,或者变化极小).

说道Q-learning 就要提一下 Sarsa 这个Q的亲兄弟.

Sarsa的公式是:

Q(st,at)←Q(st,at)+α[rt+1+λQ(st+1,at+1)−Q(st,at)]

比较一下可以看到Sarsa与Q的不同是Sarsa是更新一个Q值的时候以来下一个Q值,并且下一个Q值又以来下下个Q值,这样的话的之后再最后结束的时候才能真正的更新这个值.在代码里面体现就是类似递归,或者说是迭代,Q是取下一个Q的可能的最大的奖励,所以不会一直以来下去,能很快的更新Q值.

好今天暂时先写到这里,有空我会制作一个iOS和一个Android的示例出来!下次见

iOS Demo

原文地址:Q-learning

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 148,827评论 1 317
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 63,511评论 1 266
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 99,318评论 0 218
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 42,108评论 0 189
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 50,112评论 1 266
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 39,387评论 1 185
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 30,905评论 2 283
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 29,657评论 0 177
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 33,144评论 0 223
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 29,744评论 2 225
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 31,100评论 1 236
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 27,565评论 2 222
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 32,041评论 3 216
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 25,769评论 0 9
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 26,301评论 0 178
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 34,173评论 2 239
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 34,313评论 2 242

推荐阅读更多精彩内容