强化学习不需要监督信号，可以在模型未知的环境中平衡探索和利用，其主要算法有蒙特卡罗强化学习，时间差分（temporal difference：TD）学习，策略梯度等。典型的深度强化学习算法特点及性能比较如下图所示。...

PPO 算法，即 Proximal Policy Optimization（近端策略优化），是一种强化学习算法。它的主要目的是改进策略梯度方法，使得训练过程更加稳定高效。PPO 算法通过限制策略更新的步长，来避免训练过程中出现的性能剧烈波动，因而在实...

现代人拖延产生的原因有很多，比如因为害怕失败而拖延，因为完美主义倾向而拖延，不想走出“舒适区”而拖延等等， 今天我们要针对一个常见的原因“对安排事情的人或事心有不满，被动gong击”而产生的拖延来看，如何从“反馈学习...

现代人拖延产生的原因有很多，比如因为害怕失败而拖延，因为完美主义倾向而拖延，不想走出“舒适区”而拖延等等， 今天我们要针对一个常见的原因“一直觉得没有准备好，想等最佳时机再开始”而产生的拖延来看，如何从“时间折扣...

现代人拖延产生的原因有很多，比如因为担心失败而拖延，觉得要做的事情没有意思而拖延，不想走出“舒适区”而拖延等等， 今天我们要针对一个常见的原因“担心失败”而产生的拖延来看，如何从“选项学习”的思路中找到些启发。...

AIGC时代里每种算法都各有特色，各有优缺点，如何应用到业务层面还是要看实际的场景，但这些算法的思路也可以被应用到个人的生活中。今天我们聊一聊在个人的生活可中，可以从“强化学习”的思路里借鉴到什么。...

这个系列旨在关联各种“算法”的思路介绍各种成长“方法”，让算法思路不止可以用在程序上，也可以用在“人生成长”上！

回顾上文中的DDPG，DDPG是源于DQN，它使用神经网络替换maxQ(s',a')的功能来解决连续空间问题。也就是说DDPG的Actor网络输出的是一个动作，他的目标是输出一个动作，这个动作输入到Critic后，能过获得最大的Q值。和DQ...

gym是openAI下的一个开发和对比强化学习算法的工具包，内部提供了强化学习需要的环境。

DDPG（deep deterministic policy gradient），深度确定性策略梯度算法。