版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领
文档简介
第七章Actor-Critic型算法北京大学余欣航目录Actor-Critic算法Actor-Critic算法的改进确定性策略梯度算法(DPG、DDPG)案例:利用Actor-Critic算法求解钟摆平衡问题Actor-Critic算法
策略梯度方法的不足之处
Actor-Critic算法
Actor-Critic算法
利用Critic估计的值函数指导Actor的更新方向Actor用来生成策略,并将策略交给Critic进行执行并评判,两者类似演员和观众的关系,开始时Actor随机表演,Critic随机打分,经过不断训练,Critic打分越来越准,Actor表演越来越好Actor和Critic
Actor-Critic算法流程
使用需要评估的策略与环境交互
Actor-Critic算法流程使用TD(0)偏差来指导Critic网络参数的更新使用Q值指导Actor网络参数的更新Actor-CriticwithBaseline
优势函数的理解
优化技巧
Actor-CriticwithBaseline算法流程
Actor-Critic算法总结Actor-Critic算法的改进广义优势函数估计
广义优势函数估计
Actor-CriticwithExperienceReplay(ACER)
WangZ,BapstV,HeessN,etal.Sampleefficientactor-criticwithexperiencereplay[J].arXivpreprintarXiv:1611.01224,2016.并行训练并行训练可以解决数据间关联性强,独立性差的问题一个“本体”网络,称为globalnet,包含“本体”Actor网络和Critic网络多个“分身”网络,称为thread-specificnet:包含“分身”Actor网络和Critic网络结构与“本体”网络完全一致完全独立地与环境交互和训练“分身”网络只计算出需要更新的梯度并将其交给“本体”网络,自身参数并不根据梯度更新“本体”网络进行参数更新后,每过一段时间,再将自身参数同步给“分身”网络A3C算法
MnihV,BadiaAP,MirzaM,etal.Asynchronousmethodsfordeepreinforcementlearning[C]//Internationalconferenceonmachinelearning.2016:1928-1937.异步并行训练Asynchronous是“异步”的意思,“分身”积累一定地需要更新的梯度,马上传递给“本体”,不用顾及其它“分身”的情况各个“分身”相互独立,与“本体”通信的时间不同步Critic评估函数的优化
A3C算法流程
A3C算法流程
A2C算法A3C的主要优势在于采用了并行训练,而不一定采用异步并行训练同步并行训练的Actor-Critic算法在A3C的基础上去掉了异步(Asynchronous),所以称为AdvantageActor-Critic,简称A2C增加“协调员”(Coordinator)机制
同步并行训练当“分身”请求与“本体”发生通信,“协调员”会记住分身,并令其等待“协调员”发现所有“分身”都请求通信后,会把它们要回报的信息一起交给“本体”待“本体”更新后,“协调员”把“本体”最新的参数同时传给所有“分身”
确定性策略梯度算法(DPG、DDPG)确定性策略
用基于价值的角度理解回顾Q-learning中的迭代公式:如果在动作连续的MDP中Q是什么形式的函数?对于确定的s’,如何才能求出a’使得Q(s’,a’)最大?为此,必须定义一个专门的网络用来确定maxQ!确定性策略梯度(DeterministicPolicyGradient,DPG)
Off-policy确定性策略梯度
Off-policy确定性策略梯度
DDPG算法
DDPG算法
DDPG算法流程
DDPG算法流程
DDPG算法流程
DDPG算法流程
DDPG算法流程DDPG算法总结结构神经网络公式表示输入输出Critic目标网络原网络Actor目标网络原网络总结基于价值—SarsaDQN基于策略—策略梯度Actor-CriticDDPGA2CA3C异步并行训练同步并行训练案例:利用A2C算法求解钟摆平衡问题钟摆平衡问题倒立摆问题是控制中的经典问题钟摆以随机位置开始,向上摆动,目标是使其保持直立通过
温馨提示
- 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
- 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
- 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
- 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
- 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
- 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
- 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。
最新文档
- 项目管理制度
- 腹语基础知识
- 2023年水杨酸锌改性树脂(无碳复写纸显色剂)项目风险分析及评价报告
- 2023年烧结空心砖(粘土砖、页岩砖、煤矸石砖、粉煤灰砖)项目风险评价报告
- 2023年翻译笔项目安全风险评价报告
- 2024-2034年中国鱿鱼仔行业市场深度分析及投资策略咨询报告
- 2024-2034年中国电炉炼钢行业竞争格局及投资战略研究报告
- 2024-2034年中国氯乙烯聚合物制硬管行业发展潜力预测及投资战略研究报告
- 2024-2034年中国企业资源管理行业市场全景监测及投资前景展望报告
- 湖北省十堰市丹江口市重点中学2024年中考数学五模试卷含解析
- 施工现场安全用电(55张)课件
- 三相感应电动机(异步电机)特性研究报告(含MATLAB仿真)
- 五五工业园区2X350MW热电联产项目可研报告
- 北大中国当代文学教学大纲
- 英语演讲比赛点评
- 2022年事业单位自然科学专技C类考试大纲
- 联苯混合物的物理参数
- 众创空间前期规划方案PPT幻灯片(PPT 28页)
- 广州市建设工程施工现场消防安全管理规定
- 08 新闻媒介财务管理
- 50种抗生素DDD值完整
评论
0/150
提交评论