Q-learning with epsilon-greedy explore Algorithm for Deterministic Cleaning Robot V1 确定性清洁机器人 MDP 清洁机器人必须收集用过的罐子也必须为其充电电池。 状态描述了机器人的位置和动作描述运动的方向。 机器人可以向左移动或向左移动正确的。 第一个 (1) 和最后 (6) 个状态是终端状态。 目标是找到最大化回报的最优策略从任何初始状态。 这里是 Q-learning epsilon-greedy 探索使用算法（在强化学习中）。 算法 2-3，来自： @book{busoniu2010reinforcement, title={使用函数逼近器的强化学习和动态规划}， 作者={Busoniu，Lucian 和 Babuska，Robert 和 De Schutter，Bart 和 Ernst，Damien
2022-07-29 00:17:17
3KB
1
利用A*, greedy, Dijkstra, RRT算法，针对迷宫障碍物栅格地图，采用8连接方法，找一
条从起始点到目标点的无
2022-07-15 18:05:49
157KB
1
算法设计英文版课件：Chapter 3 The GREEDY METHOD.ppt
2022-06-21 09:11:42
1.09MB
Allocate power to sub-carrier for single user by greedy algorithm
2022-06-13 17:51:03
4KB
1
算法设计与分析课件：Lecture 02 Greedy Algorithms.pptx
2022-06-09 09:09:33
619KB
算法分析与设计教学课件：Chapter 16 Greedy Algorithm.pptx
2022-06-06 14:11:49
1.81MB
算法分析与设计教学课件：Chapter 16 Greedy Algorithm1.pptx
2022-06-06 14:11:49
1.58MB