【新书】分布式强化学习

来源：专知本文附链接，建议阅读5分钟本书为你系统介绍分布式强化学习。

本书分为三个部分。第一部分介绍了分布式强化学习的构建模块。我们首先介绍了我们的基本研究对象，收益分布和分布Bellman方程(第二章)。第三章介绍了分类时间差分学习，一种简单的学习收益分布的算法。在第三章结束时，读者应该理解分布式强化学习的基本原则，并且应该能够在简单的实际设置中使用它。

第二部分是对分布式强化学习理论的发展。第4章介绍了一种用于测量返回分布之间距离的语言，以及与这些分布交互的操作符。第5章介绍了实现分布式强化学习所需的概率表示的概念;在此基础上，研究了用这种表示来计算和近似收益分布的问题，并引入了分布动态规划的框架。第6章研究了如何从样本中以增量的方式学习返回分布，给出了类别时间差分学习的正式结构，以及其他算法，如分位数时间差异学习。第7章将这些思想扩展到最优决策的设置(也称为控制设置)。最后，第8章介绍了基于统计泛函概念的分布强化学习的不同视角。在第二部分结束时，读者应该理解在设计分布式强化学习算法时出现的挑战，以及解决这些挑战的可用工具。

第三部分和最后一部分为实际场景ios开发了分布式强化学习。第九章回顾了线性值函数逼近的原理，并将这些思想推广到分布环境中。第10章讨论了如何将分布方法与深度神经网络相结合来获得深度强化学习的算法，并提出了一个模型来研究这种结合所产生的现象。第11章讨论了分布式强化学习在两个进一步研究领域(多主体学习和神经科学)的新兴应用，并得出结论。

https://www.distributional-rl.org/

【新书】分布式强化学习相关推荐

【控制】《多智能体机器人系统信息融合与协调》范波老师-第6章-基于分布式强化学习的多 Agent 协调方法
第5章回到目录第7章第6章-基于分布式强化学习的多 Agent 协调方法 6.1 引言 6.2 多 Agent 强化学习基本理论 6.2.1 基于局部合作的 Q 学习 6.2.2 基于区域合作的 ...
强化学习图鉴｜人工智能新兴子领域，分布式强化学习是AI技术未来大规模实用化的关键？
引言分布式强化学习(Distributed RL)是深度强化学习走向大规模应用,解决复杂决策空间和长期规划问题的必经之路. 为了解决像星际争霸2(SC2)[1]和DOTA2[2]这样超大规模的决策 ...
强化学习原理与python实现原理pdf_纯Python实现！Facebook发布PyTorch分布式强化学习库...
图灵TOPIA来源:Facebook编译:刘静图灵联邦编辑部出品Facebook于近日发布了PyTorch中用于强化学习(RL)研究的平台:TorchBeast.TorchBeast实现了流行的IMP ...
一周上榜新书：强化学习、深度学习最受程序员关注
4月出版了很多新书,上周有两本书最受程序员关注,<动手学强化学习>和<PyTorch深度学习实战>位于一周榜单TOP10.现在和小编一起来看看有哪些新书上榜. 1.动手学强化学 ...
分布式强化学习之D4PG
D4PG全称Distributed Distributional Deterministic Policy Gradient,是总所周知的DDPG的分布式版本.因此学习D4PG之前,需要了解DDPG. ...
强化学习最新作品：谷歌最新思想、MIT新书推荐、Sutton经典之作！
关注上方"深度学习技术前沿",选择"星标公众号", 资源干货,第一时间送达! 强化学习一直是研究热点,对于小白来说,看书是最快入门的唯一途径.本期为大家精心准备 ...
142页ICML会议强化学习笔记整理，值得细读
作者 | David Abel 编辑 | DeepRL 来源 | 深度强化学习实验室(ID: Deep-RL) ICML 是 International Conference on Machine L ...
《强化学习周刊》第30期：Deep Mind开展人机交互的新试点研究、MIT提出神经进化优化框架...
No.30 智源社区强化学习组强化学习研究观点资源活动关于周刊强化学习作为人工智能领域研究热点之一,其研究进展与成果也引发了众多关注.为帮助研究与工程人员了解该领域的相关进展和 ...

【新书】分布式强化学习

【新书】分布式强化学习相关推荐

最新文章

热门文章