Learning to Design Games Strategic Environments in Reinforcement Learning（部分翻譯）
摘要算法 在典型的強化學習（reinforcement learning ，RL）中，（一般是）假設環境給定，而且學習的目標是爲代理agent經過與環境的交互採起行動肯定最優策略。在本篇論文中，咱們拓展這種設置，經過考慮環境未給定，但倒是可控的以及可學習的（只要）經過它與代理agent的實時交互。這個擴展是受現實世界中的環境設計場景的啓發，包括遊戲設計、購物空間設計和交通訊號燈設計。理論上來講，咱
相關文章
- 1. Introduction to Reinforcement Learning
- 2. 《Virtual to Real Reinforcement Learning for Autonomous Driving》翻譯
- 3. Policy in Reinforcement Learning
- 4. 《Neural Architecture Search with Reinforcement Learning》翻譯
- 5. Lecture1: Introduction to Reinforcement Learning
- 6. LEARNING TO NAVIGATE IN COMPLEX ENVIRONMENTS 閱讀筆記
- 7. （轉）Applications of Reinforcement Learning in Real World
- 8. Reinforcement Learning（一）：introduction
- 9. 【論文翻譯】Playing Atari with Deep Reinforcement Learning
- 10. David Silver《Reinforcement Learning》課程解讀—— Lecture 1： Introduction to Reinforcement Learning
- 更多相關文章...
- • MyBatis environments - MyBatis教程
- • ionic 頭部與底部 - ionic 教程
- • 使用阿里雲OSS+CDN部署前端頁面與加速靜態資源
- • Git五分鐘教程
相關標籤/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
歡迎關注本站公眾號,獲取更多信息
相關文章
- 1. Introduction to Reinforcement Learning
- 2. 《Virtual to Real Reinforcement Learning for Autonomous Driving》翻譯
- 3. Policy in Reinforcement Learning
- 4. 《Neural Architecture Search with Reinforcement Learning》翻譯
- 5. Lecture1: Introduction to Reinforcement Learning
- 6. LEARNING TO NAVIGATE IN COMPLEX ENVIRONMENTS 閱讀筆記
- 7. （轉）Applications of Reinforcement Learning in Real World
- 8. Reinforcement Learning（一）：introduction
- 9. 【論文翻譯】Playing Atari with Deep Reinforcement Learning
- 10. David Silver《Reinforcement Learning》課程解讀—— Lecture 1： Introduction to Reinforcement Learning