Skip to content
体验新版
项目
组织
正在加载...
登录
切换导航
打开侧边栏
OpenDocCN
stanford-cs234-notes-zh
提交
459b91c6
S
stanford-cs234-notes-zh
项目概览
OpenDocCN
/
stanford-cs234-notes-zh
通知
8
Star
0
Fork
0
代码
文件
提交
分支
Tags
贡献者
分支图
Diff
Issue
0
列表
看板
标记
里程碑
合并请求
0
Wiki
0
Wiki
分析
仓库
DevOps
项目成员
Pages
S
stanford-cs234-notes-zh
项目概览
项目概览
详情
发布
仓库
仓库
文件
提交
分支
标签
贡献者
分支图
比较
Issue
0
Issue
0
列表
看板
标记
里程碑
合并请求
0
合并请求
0
Pages
分析
分析
仓库分析
DevOps
Wiki
0
Wiki
成员
成员
收起侧边栏
关闭侧边栏
动态
分支图
创建新Issue
提交
Issue看板
前往新版Gitcode,体验更适合开发者的 AI 搜索 >>
提交
459b91c6
编写于
1月 21, 2020
作者:
X
xiaowei_xing
浏览文件
操作
浏览文件
下载
电子邮件补丁
差异文件
test
上级
230f83a6
变更
1
隐藏空白更改
内联
并排
Showing
1 changed file
with
23 addition
and
1 deletion
+23
-1
docs/14.md
docs/14.md
+23
-1
未找到文件。
docs/14.md
浏览文件 @
459b91c6
...
...
@@ -32,4 +32,26 @@ $$
不管给出的模型是学习到的近似模型,还是像围棋这样的精确模型,这些方法都试图基于向前搜索或模拟来寻找最优动作。搜索树以当前的状态为根,使用模型生成其他节点。因为不需要求解整个 MDP 而只需要从当前状态开始求解子 MDP,所以这种方法可以节省大量的资源。一般来说,当我们收集了仿真经历 $
\{
S_T^K,A_t^k,R_t^k,...,S_T^K
\}
_{k=1}^{K}$后,我们可以将无模型方法应用于控制,如蒙特卡洛给出了蒙特卡洛搜索算法或 SARSA 给出了 TD 搜索算法。
更具体地说,在一个简单的 MC 搜索算法中,给出了一个模型 M 和一个模拟策略 $
\p
i$,对于每个动作 $a
\i
n A$,我们模拟 $K$ 个 $
\{
S_T^K,a,R_t^k,...,S_T^K
\}
_{k=1}^{K}$ 形式的片段(在第一动作后遵循策略 $\pi$)。$Q(s_
t,a)$ 值被估计为上述轨迹的平均回报,随后我们选择最大化这个估计的 $Q(s_t,a)$ 值的动作。
\ No newline at end of file
更具体地说,在一个简单的 MC 搜索算法中,给出了一个模型 M 和一个模拟策略 $
\p
i$,对于每个动作 $a
\i
n A$,我们模拟 $K$ 个 $
\{
S_T^K,a,R_t^k,...,S_T^K
\}
_{k=1}^{K}$ 形式的片段(在第一动作后遵循策略 $\pi$)。$Q(s_
t,a)$ 值被估计为上述轨迹的平均回报,随后我们选择最大化这个估计的 $Q(s_t,a)$ 值的动作。
### 4.1 蒙特卡洛树搜索(Monte Carlo Tree Search)
这类算法基于两个原则:(1)状态的真实价值可以通过随机模拟的平均回报值来估计;(2)这些值可以用于迭代地调整策略,从而使我们能够关注搜索空间的高价值区域。
我们逐步构造一个以当前节点为根的部分搜索树。树由对应于状态 $s$ 的节点组成,此外,每个节点还存储统计信息,如总访问次数 $N(s)$、每个状态-动作对的访问次数 $N(s,a)$ 以及蒙特卡洛 $Q(s,a)$ 值估计等。一种典型的方法是一直构造这种树,直到某些预先定义的计算耗尽,价值估计会变得越来越准确。每个迭代大致可以分为四个阶段:
1.
选择:从根节点开始,我们在树中循环地选择子节点,直到达到非终结叶节点;
2.
扩展:将被选中的叶节点添加到搜索树中;
3.
仿真:从这一节点开始仿真来生成输出的估计值;
4.
反向传播:通过反向沿着根到选中叶节点的路径,更新遇到的节点的统计信息,从而将仿真中获得的值在树中反向传播。
MCTS 的变体通常包含对涉及的两个主要策略的修改:
$
\b
ullet$ 树策略:根据存储的统计信息为树的节点选择动作,变体包括贪婪策略、UCB
$
\b
ullet$ 仿真策略:用于树中叶节点的仿真,变体包括随机模拟、AlphaGo 的默认策略网络
**算法一**
\ No newline at end of file
编辑
预览
Markdown
is supported
0%
请重试
或
添加新附件
.
添加附件
取消
You are about to add
0
people
to the discussion. Proceed with caution.
先完成此消息的编辑!
取消
想要评论请
注册
或
登录