Learning to Design Games Strategic Environments in Reinforcement Learning（部分翻译）
摘要算法 在典型的强化学习（reinforcement learning ，RL）中，（一般是）假设环境给定，而且学习的目标是为代理agent经过与环境的交互采起行动肯定最优策略。在本篇论文中，咱们拓展这种设置，经过考虑环境未给定，但倒是可控的以及可学习的（只要）经过它与代理agent的实时交互。这个扩展是受现实世界中的环境设计场景的启发，包括游戏设计、购物空间设计和交通讯号灯设计。理论上来讲，咱
相关文章
- 1. Introduction to Reinforcement Learning
- 2. 《Virtual to Real Reinforcement Learning for Autonomous Driving》翻译
- 3. Policy in Reinforcement Learning
- 4. 《Neural Architecture Search with Reinforcement Learning》翻译
- 5. Lecture1: Introduction to Reinforcement Learning
- 6. LEARNING TO NAVIGATE IN COMPLEX ENVIRONMENTS 阅读笔记
- 7. （转）Applications of Reinforcement Learning in Real World
- 8. Reinforcement Learning（一）：introduction
- 9. 【论文翻译】Playing Atari with Deep Reinforcement Learning
- 10. David Silver《Reinforcement Learning》课程解读—— Lecture 1： Introduction to Reinforcement Learning
- 更多相关文章...
- • MyBatis environments - MyBatis教程
- • ionic 头部与底部 - ionic 教程
- • 使用阿里云OSS+CDN部署前端页面与加速静态资源
- • Git五分钟教程
相关标签/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。
最新文章
欢迎关注本站公众号,获取更多信息
相关文章
- 1. Introduction to Reinforcement Learning
- 2. 《Virtual to Real Reinforcement Learning for Autonomous Driving》翻译
- 3. Policy in Reinforcement Learning
- 4. 《Neural Architecture Search with Reinforcement Learning》翻译
- 5. Lecture1: Introduction to Reinforcement Learning
- 6. LEARNING TO NAVIGATE IN COMPLEX ENVIRONMENTS 阅读笔记
- 7. （转）Applications of Reinforcement Learning in Real World
- 8. Reinforcement Learning（一）：introduction
- 9. 【论文翻译】Playing Atari with Deep Reinforcement Learning
- 10. David Silver《Reinforcement Learning》课程解读—— Lecture 1： Introduction to Reinforcement Learning