人工智能（2）PG策略梯度
发布时间
阅读量：
阅读量
EMMMM拖了好久又回来啦。还是得整理完的。FLAG不能倒
Policy Gradient
该算法的基本思路是每次操作都有相应的奖励，在greedy algorithm的基础上寻求最佳解决方案。（当存在随机因素时，在一定程度上可能会选择一个局部非最优解以达到全局最优效果）
此外，在使用episode进行分批处理的过程中能够显著提升效率。
对于严格的数学证明部分，在这里不做详细展开。
奖励表
在实例中使用的神经网络结构中的层以及模型参数配置（如神经元数量等）都具备自主调节能力,其实就是参数调整的过程
上面分别是记录函数，动作函数，奖励，训练函数。
主函数部分见上
每一个episode输出一次当前得分
运行的时候记得用TPU,GPU优化，不然很费时间。
其他
此外还有PSO（粒子群算法），以及一些基本的方法（如深度搜索与宽度搜索）这边暂时不作介绍。例如，在AI GYM中存在几个典型的环境及其对应的算法程序，在GitHub上都可以找到。几次小测的题目与解法也不会放出给读者们参考（因为看起来每一期的内容都大同小异），因此建议大家自行解决比较好！
全部评论 (0)
还没有任何评论哟~