anthea_luo的博客

强化学习 RL PG 装箱问题 python

本文主要是pinard老师的系列笔记 详细请参考系列文章：https://www.cnblogs.com/pinard/p/9385570.html一年多前看这一系列的文章时 对这种一步一步改进的过程感受挺深。 所以这篇笔记中，一起去看看得到的东西缺点在哪里， 以及针对这种缺点的改进版是怎样。仅供复习吧，有错误欢迎指正 谢谢。机器学习可分三类： 监督学习/无监督学习/强化学习， 强化学习训练数据没有标签，评价标准是奖励值大小， 且奖励值不是事先准备好喂入网络， 而是延后处理的。强化学习 可以与环.