关于TD Learning算法的分析.doc
《关于TD Learning算法的分析.doc》由会员分享,可在线阅读,更多相关《关于TD Learning算法的分析.doc(5页珍藏版)》请在三一文库上搜索。
1、关于TD Learning算法的分析导读:人工智能之机器学习主要有三大类:1)分类;2)回归;3)聚类。今天我们重点探讨一下TD Learning算法。TD Learning时序差分学习结合了动态规划DP和蒙特卡洛MC方法,且兼具两种算法的优点,是强化学习的核心思想。虽然蒙特卡罗MC方法仅在最终结果已知时才调整其估计值,但TD Learning时序差分学习调整预测以匹配后,更准确地预测最终结果之前的未来预测。TD Learning算法概念:TD Learning(TemporalDifference Learning) 时序差分学习指的是一类无模型的强化学习方法,它是从当前价值函数估计的自举过
2、程中学习的。这些方法从环境中取样,如蒙特卡洛方法,并基于当前估计执行更新,如动态规划方法。TD Learning算法本质:TD Learning(TemporalDifferenceLearning)时序差分学习结合了动态规划和蒙特卡洛方法,是强化学习的核心思想。时序差分不好理解。改为当时差分学习比较形象一些,表示通过当前的差分数据来学习。蒙特卡洛MC方法是模拟(或者经历)一段序列或情节,在序列或情节结束后,根据序列或情节上各个状态的价值,来估计状态价值。TD Learning时序差分学习是模拟(或者经历)一段序列或情节,每行动一步(或者几步),根据新状态的价值,然后估计执行前的状态价值。可以
3、认为蒙特卡洛MC方法是最大步数的TD Learning时序差分学习。TD Learning算法描述:如果可以计算出策略价值(状态价值v(s),或者行动价值q(s,a),就可以优化策略。在蒙特卡洛方法中,计算策略的价值,需要完成一个情节,通过情节的目标价值Gt来计算状态的价值。其公式:MC公式:V(St)V(St)ttGt?V(St)这里:t MC误差 MC学习步长TD Learning公式:V(St)V(St)ttRt1V(St1)?V(St)这里:t TD Learning误差 TD Learning步长 TD Learning报酬贴现率TD Learning时间差分方法的目标为Rt1 V(
4、St1),若V(St1) 采用真实值,则TD Learning时间差分方法估计也是无偏估计,然而在试验中V(St1) 用的也是估计值,因此TD Learning时间差分方法属于有偏估计。然而,跟蒙特卡罗MC方法相比,TD Learning时间差分方法只用到了一步随机状态和动作,因此TD Learning时间差分方法目标的随机性比蒙特卡罗MC方法中的Gt 要小,因此其方差也比蒙特卡罗MC方法的方差小。TD Learning分类:1)策略状态价值v的时序差分学习方法(单步多步)2)策略行动价值q的onpolicy时序差分学习方法: Sarsa(单步多步)3)策略行动价值q的offpolicy时序差
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 关于TD Learning算法的分析 关于 TD Learning 算法 分析
链接地址:https://www.31doc.com/p-3387842.html