24小时热门版块排行榜    

查看: 933  |  回复: 4

nbdxkfq

银虫 (小有名气)

[求助] 关于reinforcement learning: an introduction中通过policy产生episode的问题 已有1人参与

在读reinforcement learning: an introduction这本书的时候,伪代码里面经常出现generate an episode using \pi, 但是也没有说具体怎么产生。看到有一个例子里面,说产生的是s0, a0, r0, s1, a1, r1, ....也就是说会产生state, action 和reward,那么请问 这里的s0, s1是随机的吗?有没有人有关于通过policy产生episode的具体例子或者材料?谢谢
回复此楼
已阅   回复此楼   关注TA 给TA发消息 送TA红花 TA的回帖

dreamrequiem

木虫 (小有名气)

【答案】应助回帖

★ ★ ★ ★ ★
感谢参与,应助指数 +1
nbdxkfq: 金币+5, ★★★★★最佳答案 2014-02-28 12:06:55
1随机产生第一个状态 s0, (如在maze环境中把agent随机放在一个cell中)
2然后通过policy给agent赋予在s0中的执行的action a0,此时agent会移动到一个新的状态 s1
3同时,执行完a0后可以观测到获得的reward r0
4这个时候agent的当前状态变成了s1,重复2,3步骤,直到最后停止条件满足。
2楼2014-02-28 11:45:07
已阅   回复此楼   关注TA 给TA发消息 送TA红花 TA的回帖

nbdxkfq

银虫 (小有名气)

引用回帖:
2楼: Originally posted by dreamrequiem at 2014-02-28 11:45:07
1随机产生第一个状态 s0, (如在maze环境中把agent随机放在一个cell中)
2然后通过policy给agent赋予在s0中的执行的action a0,此时agent会移动到一个新的状态 s1
3同时,执行完a0后可以观测到获得的reward r0
4 ...

谢谢,明白了。请问不知道你有没有接触过 一个叫 regionalised policy representation 的算法?
3楼2014-02-28 12:06:47
已阅   回复此楼   关注TA 给TA发消息 送TA红花 TA的回帖

dreamrequiem

木虫 (小有名气)

引用回帖:
3楼: Originally posted by nbdxkfq at 2014-02-28 12:06:47
谢谢,明白了。请问不知道你有没有接触过 一个叫 regionalised policy representation 的算法?...

不了解,
我只做过TD-Learning.
4楼2014-02-28 12:41:08
已阅   回复此楼   关注TA 给TA发消息 送TA红花 TA的回帖

nbdxkfq

银虫 (小有名气)

引用回帖:
4楼: Originally posted by dreamrequiem at 2014-02-28 12:41:08
不了解,
我只做过TD-Learning....

哦,这样啊,那谢谢了
5楼2014-02-28 12:52:26
已阅   回复此楼   关注TA 给TA发消息 送TA红花 TA的回帖
相关版块跳转 我要订阅楼主 nbdxkfq 的主题更新
最具人气热帖推荐 [查看全部] 作者 回/看 最后发表
[公派出国] 售一区SCI文章T0P,我:8O.551.O54,科目全,可十急 +3 SX5mJmPWDfOO 2026-11-13 3/150 2026-11-15 08:29 by xSrQNSSjcgoX
[考研] 售SCI一区T0P文章,我:8.O.55.1.O.5.4,科目全,可+急 +3 SX5mJmPWDfOO 2026-11-13 3/150 2026-11-15 07:56 by xSrQNSSjcgoX
[硕博家园] 售SCI文章,我:8O5.5.1.O.54,科目齐全,可+急 +4 XJXMuRjD7cK7 2026-11-13 4/200 2026-11-15 06:50 by xSrQNSSjcgoX
[考研] 售SCI一区文章,我:8.O.55.1.O.54,科目齐全,可伽急 +3 uKOSCocCb6Fm 2026-11-13 3/150 2026-11-15 05:11 by xSrQNSSjcgoX
[考博] 售SCI文章,我:8O5.5.1.O.54,科目齐全,可+急 +3 uKOSCocCb6Fm 2026-11-12 7/350 2026-11-15 03:32 by xSrQNSSjcgoX
[公派出国] 售一区SCI文章T0P,我:8O.551.O54,科目全,可十急 +3 uKOSCocCb6Fm 2026-11-12 7/350 2026-11-15 02:48 by xSrQNSSjcgoX
[考博] 售SCI一区文章,我:8.O.55.1.O.54,科目齐全,可伽急 +4 G2rhSvqvhNzl 2026-11-10 6/300 2026-11-15 00:24 by Equinoxhua
[考研] 售SCI一区T0P文章,我:8.O.55.1.O.54,科目齐全,可+急 +4 YHiw1gou1Eda 2026-11-10 7/350 2026-11-14 22:44 by Equinoxhua
[教师之家] 售SCI一区T0P文章,我:8.O.55.1.O.5.4,科目全,可+急 +4 1Nb0IVlmV6v0 2026-11-11 4/200 2026-11-13 11:18 by Equinoxhua
[考博] 售一区SCI文章T0P,我:8O.551.O54,科目全,可十急 +4 cdqGD6ftHmbl 2026-11-11 5/250 2026-11-12 12:28 by ECLTXnJnRSXf
[硕博家园] 售SCI一区文章,我:8.O.551.O.5.4,科目全,可伽急 +3 TgvkbZZl9tqB 2026-11-11 4/200 2026-11-12 12:28 by ECLTXnJnRSXf
[考研] 售SCI一区T0P文章,我:8.O.55.1.O.5.4,科目全,可+急 +4 Z7qfCsdIiD1T 2026-11-11 5/250 2026-11-12 11:44 by HajghKOMynmz
[教师之家] 售SCI一区T0P文章,我:8.O.55.1.O.5.4,科目全,可+急 +4 G2rhSvqvhNzl 2026-11-10 6/300 2026-11-12 10:38 by HajghKOMynmz
[公派出国] 售SCI-T0P文章,我:8O.5.5.1.O.54,科目齐全,可+急 +4 C6CRn66RYYXS 2026-11-10 8/400 2026-11-12 10:27 by HajghKOMynmz
[考博] 售SCI一区T0P文章,我:8O.55.1.O.5.4,科目齐全,可+急 +6 YHiw1gou1Eda 2026-11-10 6/300 2026-11-12 10:08 by HajghKOMynmz
[教师之家] 售SCI一区文章,我:8.O.551.O.5.4,科目全,可伽急 +3 TgvkbZZl9tqB 2026-11-11 3/150 2026-11-12 08:26 by HajghKOMynmz
[教师之家] 售SCI一区T0P文章,我:8.O.55.1.O.54,科目齐全,可+急 +3 TgvkbZZl9tqB 2026-11-11 4/200 2026-11-12 08:15 by HajghKOMynmz
[论文投稿] 售SCI一区文章,我:8.O.551.O.5.4,科目全,可伽急 +3 cdqGD6ftHmbl 2026-11-11 3/150 2026-11-12 07:53 by HajghKOMynmz
[硕博家园] 售SCI一区T0P文章,我:8.O.55.1.O.5.4,科目全,可+急 +3 C6CRn66RYYXS 2026-11-10 5/250 2026-11-12 06:03 by 9fOTqj074tIg
[教师之家] 售SCI文章,我:8O5.5.1.O.54,科目齐全,可+急 +4 C6CRn66RYYXS 2026-11-10 4/200 2026-11-12 06:03 by 9fOTqj074tIg
信息提示
请填处理意见