自动驾驶算法——理解强化学习（二）

文章预览

接着上篇文章 自动驾驶算法——理解强化学习（一） 。 动态规划 动态： 处理问题的顺序 + 时间成分。 编程： 使用问题，即策略 动态规划就是 找到解决连续复杂问题的最佳方案 。这通常是通过以下方式完成的： 将问题分解为子问题 结合解决方案来解决问题 动态规划一般需要具备2个性质： 最佳子结构→你可以将某些 RL 问题分解为≥2 个部分，然后解决它们，最后将它们组合起来找到最佳问题，从而解决该问题。 重叠子问题→子问题可以出现多次，通过将问题分解为子问题，我们可以获得一些好处。 MDP 满足这两个属性 → 我们上面定义的贝尔曼方程为我们提供了分解问题的方法，例如“我们如何将最佳奖励函数分解为 2 个子部分？”即向左迈出一步，然后决定下一步要采取什么步骤。 动态规划假设完全了解 MDP，并用于 MDP 中的规划。主要有 ………………………………