强化学习算法

Question

我想用强化学习机器学习的方法来研究和开发一些应用。我已经熟悉使用监督学习的分类问题。

有人能给我推荐一些资料(链接，youtube教程，pdf笔记，.)吗？还是Rstudio中的一些简单脚本(可能使用虹膜数据集)开始学习？

谢谢!

Answer 1

因为您的问题集中在用RStudio I.加强学习，即R语言

书籍

• 用R进行强化学习

<#>You管

• 用R，packtpub教程系列强化学习技术
  1. 用R强化学习技术:强化学习可以为你做什么？packtpub.com
  2. 你的第一个强化学习计划
  3. packtpub.com -环境编程

• 基于报酬的R++ packtpub.com 学习发现算法
  1. 课程概述
  2. 基于第一模型的程序:策略评估和迭代
  3. 基于Monte &Q学习的无模型编程环境
  4. 建立行动，奖励，惩罚使用模拟退火Alt到q-学习

• 在行动中使用R++代码(packt) 进行强化学习
  1. 马尔可夫决策过程
  2. 多武装匪徒模型
  3. 最优策略的动态规划
  4. 蒙特卡罗预测方法
  5. 时态差异学习
  6. 强化学习在游戏应用中的应用
  7. 金融工程专业MAB
  8. TD在医疗保健中的学习
  9. 深度强化学习探索方法
  10. 基于角星的深度q学习

PDF

• R中的强化学习
• R中的强化学习

Tutorial链接

• 如何利用R进行强化学习
• 强化学习(Q-学习)
  1. 导言(第一部分)
  2. 使用R实现(第2部分)

课程

• R:算法的强化学习.Agent。环境.Udemy 在这里输入链接描述
• 强化学习专业化课程

<#>Lecture注释

• 强化学习R幻灯片
• 强化学习算法

OTHER一般资源(不特定于R)

• 贝尔塞卡斯的章节
• 用Python掌握强化学习:使用强化学习技术和最佳实践构建下一代自学习模型
• 用Python强化学习算法:学习、理解和开发智能算法以应对人工智能挑战
• Python强化学习项目:八个动手项目--利用TensorFlow探索强化学习算法
• 强化学习:智能Agent的工业应用
• 强化学习和控制手册: 325 (系统、决策和控制研究)
• 强化学习算法: Csaba Szepesvari。准备实现算法的好简编。
• 利用函数逼近器的强化学习和动态规划。Busoniu，卢西恩；Robert Babuska；Bart De Schutter；Damien Ernst (2010年)。这是一本非常实用的书，它解释了一些最先进的算法(例如，对于现实世界的问题很有用)，比如拟合Q迭代及其变化。
• 强化学习:最新进展。第12卷“适应、学习和优化”。Wiering，M.，van Otterlo，M. (Eds.)，2012年。柏林斯普林格。用萨顿的话说，“这本书对于想要
的学生来说是一种宝贵的资源，它超越了旧的教科书，对于想要轻松赶上
最新发展的研究人员来说也是如此”。
• 强化学习原理的最优自适应控制和微分对策: Draguna Vrabie，Kyriakos G. Vamvoudakis，Frank L. Lewis。我不熟悉这个，但我看过它的推荐。
• 马尔可夫决策过程在人工智能，西戈O和巴菲特编辑，ISTE Ld，威利和儿子公司，2010年。我绝对推荐萨顿和巴托的书作为一个很好的介绍，伯特塞卡斯的一章获得坚实的理论背景，而布索尼乌等人的书。对于实用的算法，可以解决一些非玩具问题。我还发现Szepesvari的书很有用，可以作为理解比较算法的快速参考。还有一些关于这一专题的好的专著和调查，其中一些是：
• "从Bandits到Monte树搜索：应用于优化和计划的乐观原则“，由雷米穆诺斯(机器学习的新趋势)。本专著涵盖了可用于策略搜索的重要非凸乐观优化方法。
• 题名叫"机器人强化学习研究综述“，作者J. Kober，J. A. Bagnell和J. Peters。
• 作者声明："用于动态规划和强化学习的线性函数逼近器教程“，作者A. Geramifard，T. J. Walsh，S. Tllex，G. Chowdhary，N. Roy和J. P. How (机器学习的基础和趋势)。
• "机器人策略搜索研究综述“由纽曼和彼得斯(基础和趋势在机器学习)。
• 马尔可夫决策过程
• 强化学习算法(人工智能与机器学习综合讲座)
• 神经动态规划(优化与神经计算级数，3)

Answer 2

巴托和萨顿的“强化学习”一书是标准文献，至少在我的两次讲座中都是学习材料。所提出的算法非常基本，在深入研究RL之前为您提供了一个适当的基础。

一旦您对基本知识有了扎实的了解，下面是关于深度RL的好算法/论文，我建议您按顺序阅读：

基于深度强化学习的连续控制，Lilicrap，Hunt等人著。

PPO / 近端策略优化算法，Schulman等人著。

世界模型/ 世界模型 ( Ha和Schmidhuber )

作者声明: Hafner等人。

注意，这些论文只是许多不同方法中的一小部分，但是应该给您提供一个关于过去几年所开发的内容的粗略概述。