26年WP自动化基于 Q-Learning 与 SARSA 的悬崖行走强化学习算法对比研究14.68-AI15.08-约24514字符-全日制.pdf

下载文档加入资源篮

阅读 0
格式 pdf
大小 3.15 MB
约36页
2026-09-19
评论
收藏
赞(0)
海报
分享
微信扫码分享或点击分享到
QQ空间
QQ好友
新浪微博
复制链接
分享赚佣金
举报

26年WP自动化基于 Q-Learning 与 SARSA 的悬崖行走强化学习算法对比研究14.68-AI15.08-约24514字符-全日制.pdf_第1页

1/36页

26年WP自动化基于 Q-Learning 与 SARSA 的悬崖行走强化学习算法对比研究14.68-AI15.08-约24514字符-全日制.pdf_第2页

2/36页

26年WP自动化基于 Q-Learning 与 SARSA 的悬崖行走强化学习算法对比研究14.68-AI15.08-约24514字符-全日制.pdf_第3页

3/36页

26年WP自动化基于 Q-Learning 与 SARSA 的悬崖行走强化学习算法对比研究14.68-AI15.08-约24514字符-全日制.pdf_第4页

4/36页

26年WP自动化基于 Q-Learning 与 SARSA 的悬崖行走强化学习算法对比研究14.68-AI15.08-约24514字符-全日制.pdf_第5页

5/36页

26年WP自动化基于 Q-Learning 与 SARSA 的悬崖行走强化学习算法对比研究14.68-AI15.08-约24514字符-全日制.pdf_第6页

6/36页

26年WP自动化基于 Q-Learning 与 SARSA 的悬崖行走强化学习算法对比研究14.68-AI15.08-约24514字符-全日制.pdf_第7页

7/36页

26年WP自动化基于 Q-Learning 与 SARSA 的悬崖行走强化学习算法对比研究14.68-AI15.08-约24514字符-全日制.pdf_第8页

8/36页

26年WP自动化基于 Q-Learning 与 SARSA 的悬崖行走强化学习算法对比研究14.68-AI15.08-约24514字符-全日制.pdf_第9页

9/36页

26年WP自动化基于 Q-Learning 与 SARSA 的悬崖行走强化学习算法对比研究14.68-AI15.08-约24514字符-全日制.pdf_第10页

10/36页

在线预览已结束，请下载后查看完整版，加入VIP享文档下载特权

/36

加入VIP 下载文档加入资源篮

文本预览下载提示常见问题

WHKJ大学本科毕业论文I摘要强化学习是当前主流机器学习的方法之一，是通过智能体与环境交互，最大化奖励，通过感知环境对动作的反应，实现最优策略的机器学习方法。Q-learning 算法与 SARSA算法是两种经典的强化学习算法，通过基于价值函数来预估当前行动价值，从而不断探索最终得到最优策略。为了探究二者的特性与应用价值，将二者置于悬崖行走环境下进行对比研究。在本次研究中，我们将在 MATLAB 环境中构建一个模拟“悬崖行走”问题的网格世界，该环境包含起点、终点以及危险区域（悬崖），智能体需在避开悬崖的前提下以最短路径到达目标。我们引入两种经典的基于...

1、当您付费下载文档后，您只拥有了使用权限，并不意味着购买了版权，文档只能用于自身使用.。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。
3、如文档内容存在违规，或者侵犯商业秘密、侵犯著作权等，请点击“违规举报”。

碎片内容