文件名称:
多武装强盗：分析n武装强盗问题和MDP的算法-源码
开发工具:
文件大小: 6kb
下载次数: 0
上传时间: 2021-02-15
详细说明：多武装盗贼
分析n武装匪徒问题的算法
多武装匪徒问题（UCB稍后实施）
在第一部分中，我们尝试形象化了Q学习在提取最大奖励方面的完美程度，在预测中间奖励方面的成功程度以及最终对提供最大累积奖励的老虎机的预测程度
在第二部分中，我们检查了Q值如何饱和以及选择的最佳操作百分比随迭代次数如何稳定
我们已经使用Bell曲线在python random.gauss（）函数中生成了随机数。
因此，每台这样的Bandit或Slot机器都将具有一条特性曲线（特别是在设置了它们的均值和标准差时，其值由用户输入（通常应将其关闭，并且用户不应看到实际的值） Mu和Sigma均为每种，但出于实验目的，由用户自己设置）。
E =步长（或当前Q值选择的过去奖励的权重）； epsilon = 0-1之间的探索概率； R =初始奖励，可以更快更好地搜索奖励；
运行说明
后缀_exp（实验文件夹）的文件是nbandi
(系统自动生成,下载前可以参看下载内容)
下载文件列表
相关说明
- 本站资源为会员上传分享交流与学习,如有侵犯您的权益,请联系我们删除.
- 本站是交换下载平台，提供交流渠道，下载内容来自于网络，除下载问题外，其它问题请自行百度。
- 本站已设置防盗链，请勿用迅雷、QQ旋风等多线程下载软件下载资源，下载后用WinRAR最新版进行解压.
- 如果您发现内容无法下载，请稍后再次尝试；或者到消费记录里找到下载记录反馈给我们.
- 下载后发现下载的内容跟说明不相乎，请到消费记录里找到下载记录反馈给我们，经确认后退回积分.
- 如下载前有疑问，可以通过点击"提供者"的名字，查看对方的联系方式，联系对方咨询.
