应《网络安全法》要求，自2017年10月1日起，未进行实名认证将不得使用互联网跟帖服务。为保障您的帐号能够正常使用，请尽快对帐号进行手机号验证，感谢您的理解与支持！

24小时热门版块排行榜    

小木虫论坛-学术科研互动平台 » 专业学科区 » 信息科学 » 人工智能 » 关于reinforcement learning: an introduction中通过policy产生episode的问题
51/1返回列表
查看: 766  |  回复: 4
只看楼主 @他人 存档 新回复提醒 (忽略) 收藏    在APP中查看
当前只显示满足指定条件的回帖，点击这里查看本话题的所有回帖

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

» 猜你喜欢

» 本主题相关商家推荐: (我也要在这里推广)
1楼 2014-02-28 08:44:03
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
赞一下 回复此楼
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
查看全部 5 个回答

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。
赞一下 回复此楼
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？
赞一下 回复此楼
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.
赞一下 回复此楼
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
查看全部 5 个回答
普通表情 龙 兔 虎 猫
最具人气热帖推荐 [查看全部] 作者 回/看 最后发表
[考研] 284求调剂 +13 Zhao anqi 2026-03-22 13/650 2026-03-25 09:51 by 无际的草原
[考研] 化学调剂 +6 yzysaa 2026-03-21 6/300 2026-03-25 09:27 by aa331100
[考研] 0805 316求调剂 +6 大雪深藏 2026-03-18 6/300 2026-03-24 22:13 by peike
[考研] 化工专硕求调剂 +3 question挽风 2026-03-24 3/150 2026-03-24 18:48 by jhhcooi
[考研] 资源与环境 调剂申请(333分) +7 holy J 2026-03-21 7/350 2026-03-24 17:24 by xiaohai104
[考研] 材料292调剂 +8 橘颂思美人 2026-03-23 8/400 2026-03-24 16:33 by laoshidan
[考研] 一志愿山东大学药学学硕求调剂 +3 开开心心没烦恼 2026-03-23 4/200 2026-03-24 00:06 by 开开心心没烦恼
[考研] 333求调剂 +3 ALULU4408 2026-03-23 3/150 2026-03-23 19:04 by macy2011
[考研] 317求调剂 +12 申子申申 2026-03-19 18/900 2026-03-22 22:23 by luoyongfeng
[考研] 石河子大学（211、双一流）硕博研究生长期招生公告 +3 李子目 2026-03-22 3/150 2026-03-22 21:01 by 怎么释怀
[考研] 315分，诚求调剂，材料与化工085600 +3 13756423260 2026-03-22 3/150 2026-03-22 20:11 by edmund7
[考研] 297求调剂 +3 喜欢还是不甘心 2026-03-20 3/150 2026-03-21 18:33 by 学员8dgXkO
[考研] 一志愿深大，0703化学，总分302，求调剂 +4 七月-七七 2026-03-21 4/200 2026-03-21 18:20 by 学员8dgXkO
[考研] 311求调剂 +3 勇敢的小吴 2026-03-20 3/150 2026-03-21 17:40 by ColorlessPI
[考研] 0805材料320求调剂 +3 深海物语 2026-03-20 3/150 2026-03-21 15:46 by 无际的草原
[考研] 材料与化工（0856）304求 B区 调剂 +3 邱gl 2026-03-21 3/150 2026-03-21 13:47 by lature00
[考研] 求调剂 +6 Mqqqqqq 2026-03-19 6/300 2026-03-21 08:04 by JourneyLucky
[考研] 南昌大学材料专硕311分求调剂 +6 77chaselx 2026-03-20 6/300 2026-03-21 07:24 by JourneyLucky
[考研] 一志愿西南交大，求调剂 +5 材化逐梦人 2026-03-18 5/250 2026-03-21 00:26 by JourneyLucky
[考研] 274求调剂 +10 S.H1 2026-03-18 10/500 2026-03-20 23:51 by JourneyLucky
信息提示
关闭
请填处理意见
关闭