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: 864  |  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
[基金申请] 综述论文作为代表作会不会影响评审专家的印象分？ +10 yufeiwaner 2026-08-09 10/500 2026-08-10 13:44 by cdutwml
[基金申请] 国自然结果 +3 Vierhys 2026-08-10 5/250 2026-08-10 12:53 by lliang1209
[基金申请] 8月时间戳变的，举个手。玩一下，释放压力 +10 archvillain 2026-08-04 12/600 2026-08-10 12:45 by yudaoqian88
[基金申请] 我的国基提前知道中了，可是同事的操作让我实在接受不了，怎么会有这样的人 +5 家与远方 2026-08-10 8/400 2026-08-10 12:45 by 家与远方
[基金申请] 据悉今年马上要出结果了 +7 瞬息宇宙 2026-08-10 8/400 2026-08-10 12:42 by Vivilian
[基金申请] FileCode能看出啥？ +3 要乐观耀哥 2026-08-10 6/300 2026-08-10 12:33 by 要乐观耀哥
[基金申请] 这样的filecode谁见过 +11 布布和一二 2026-08-08 22/1100 2026-08-10 11:10 by wmfsnow
[基金申请] 面上项目filecode邪修 +5 西山十月 2026-08-09 7/350 2026-08-10 07:32 by 仁砚薪传
[基金申请] filecode与中标关系的预测 +5 布布和一二 2026-08-07 5/250 2026-08-09 16:15 by 袁向阳007
[基金申请] fileCode有新解读？ +10 Tide man 2026-08-08 18/900 2026-08-09 12:55 by 仁砚薪传
[考博] 【2027博士申请】纳米药物递送方向 20+3 13586093586 2026-08-03 5/250 2026-08-08 21:54 by 13586093586
[基金申请] 国基金的申报应该改成非等额制，评价高的钱多评价低的钱少，但是增加资助率 +7 a089 2026-08-07 7/350 2026-08-08 18:05 by gltch
[基金申请] 好奇怪的filecode +3 布布和一二 2026-08-08 4/200 2026-08-08 17:46 by zhanghaozhu
[基金申请] 娱乐 +6 Tide man 2026-08-03 6/300 2026-08-07 22:40 by 铁帽子农民
[基金申请] filecode变化情况 +6 布布和一二 2026-08-07 22/1100 2026-08-07 14:45 by 且听虎啸
[基金申请] filecode +14 等待解的谜 2026-08-06 19/950 2026-08-07 12:20 by wlwhappy
[基金申请] 求各位大神看下 100+6 hpkpkpkp 2026-08-05 33/1650 2026-08-06 14:49 by zhiyanjiang
[基金申请] 影响面上的因素 +8 布布和一二 2026-08-05 11/550 2026-08-06 10:41 by 宝贝虫子
[基金申请] 好消息？这个有何含义？？？ +8 Tide man 2026-08-05 10/500 2026-08-05 16:14 by xmuxiaoyu
[基金申请] 纯娱乐，不喜欢勿喷 +7 Tide man 2026-08-04 10/500 2026-08-04 15:10 by loufangrui
信息提示
关闭
请填处理意见
关闭