CartPole与不同模型的混合<ahelp_4" name="help_4">

• CartPole, Policy Based Methods, Hill Climbing
  
• CartPole, Policy Gradient Methods, REINFORCE
  
• Cartpole with Deep Q-Learning
  
• Cartpole with Doouble Deep Q-Learning
  

更多链接<ahelp_4" name="help_4">

• 有关Policy-Gradient Methods策略梯度方法，参见 1, 2, 3.
  
• 有关 REINFORCE，参见 1, 2, 3.
  
• 有关 PPO，参见 1, 2, 3, 4, 5.
  
• 有关 DDPG，参见 1, 2.
  
• 有关 Actor-Critic Methods和A3C，参见 1, 2, 3, 4.
  
• 有关 TD3，参见 1, 2, 3
  
• 有关 SAC，参见 1, 2, 3, 4, 5
  
• 有关 A2C，参见 1, 2, 3, 4, 5
  

TowardsDataScience网站上的文章贝尔曼方程式在深度强化学习中如何工作？
深度Q网络中一对相互关联的神经网络
深度强化学习的三个方面：噪声，高估和探索
我在上述项目中开发的相关视频<ahelp_5" name="help_5">

• Four BipedalWalker Gaits
  
• BipedalWalker by Training Stages
  
• CarRacing by Training Stages
  
• Lucky Hopper
  
• Martian Ant
  
• Lunar Armada
  
• Wooden Snake
  
• Walking through the chess fields
  
• Artificial snake on the way
  
• Learned Long Snake
  
• Such a fast cheetah
  
• Four stages of Minitaur training
  

AI研习社是AI学术青年和AI开发者技术交流的在线社区。我们与高校、学术机构和产业界合作，通过提供学习、实战和求职服务，为AI学术青年和开发者的交流互助和职业发展打造一站式平台，致力成为中国最大的科技创新人才聚集地。
如果，你也是位热爱分享的AI爱好者。欢迎与译站一起，学习新知，分享成长。

文章插图

• 优化|微软亚洲研究院发布开源平台“群策 MARO” 用于多智能体资源调度优化
• 驱动|开源之系统：Ubuntu20.04电脑安装无线网卡驱动并解决包依赖关系
• Linux信号透彻分析理解与各种实例讲解
• 「开源资讯」Gradle 6.7 发布，增量构建改进
• 这款开源图表库让你的开发溜到飞起
• 亚马逊云服务推出EC2 Mac新实例 支持开发和原生运行macOS应用程序
• Linux系统网络性能实例分析
• 调度|微软亚研院开源MARO平台：解决多行业资源优化调度问题
• 视频内容|卧底抖音30天，用美食账号和剧情账号为你实例分析账号IP运营
• 微软亚研院开源MARO平台：解决多行业资源优化调度问题