DRL

PPO：强化学习中的近端策略优化——原理、演进与大规模应用实践

该算法兼具信赖域策略优化（TRPO）的稳定性与一阶优化的简洁性，已成为深度强化学习（DRL）和大语言模型对齐（RLHF）的事实标准算法。本文由「大千AI助手」原创发布，专注
大千AI助手·2025-07-26 18:14

20250704-基于强化学习在云计算环境中的虚拟机资源调度研究

传统启发式算法在复杂场景下易陷入局部最优，而深度强化学习（DRL）凭借序贯决策能力为该问题提供了新路径。
·2025-07-25 10:11

深度强化学习 | 图文详细推导深度确定性策略梯度DDPG算法

目录0专栏介绍1演员-评论家架构1.1Critic网络优化1.2Actor网络优化2深度确定性策略梯度算法0专栏介绍本专栏以贝尔曼最优方程等数学原理为根基，结合PyTorch框架逐层拆解DRL的核心算法
Mr.Winter`·2025-07-23 09:08

四、Actor-Critic Methods

由于在看DRL论文中，很多公式都很难理解。因此最近在学习DRL的基本内容。再此说明，非常推荐B站“王树森老师的DRL强化学习”本文的图表及内容，都是基于王老师课程的后自行理解整理出的内容。
沈夢昂志·2025-07-10 14:14

用于人形机器人强化学习运动的神经网络架构分析

深度强化学习（DRL）作为一种前景广阔的无模型方法，能够有效控制双足运动，实现复杂行为的自主学习，而无需显式动力学模型。1.1人形机器人运动强化学习的机遇与挑战尽管DRL取得了显著
·2025-07-05 04:08

【EI复现】基于深度强化学习的微能源网能量管理与优化策略研究（Python代码实现）

本文目录如下：目录1概述一、微能源网能量管理的基本概念与核心需求二、深度强化学习（DRL）在微能源网中的应用优势三、关键技术挑战四、现有基于DRL的优化策略案例五、相关研究文档的典型结构与撰写规范六、结论与未来方向
·2025-07-04 19:41

深度强化学习应用：基于Double DQN算法的移动机器人路径跟踪技术解析

前言随着智能控制与机器人技术的不断发展，深度强化学习（DRL）作为一种具有强大自学习能力的技术，已经在机器人领域获得了广泛应用。
威哥说编程·2025-06-18 02:40

深度强化学习赋能城市消防优化，中国科学院团队提出 DRL 新方法破解设施配置难题

在城市建设与发展中，地理空间优化至关重要。从工业园区选址，到公共服务设施布局，它都发挥着关键作用。但传统求解方法存在诸多局限，如今，深度学习技术为其带来了新的转机。近日，在中国地理学会地理模型与地理信息分析专业委员会2025年学术年会上，来自中国科学院空天信息创新研究院的梁浩健博士在「地理空间优化」这一专题下，以「基于分层深度强化学习的城市应急消防设施配置优化方法研究」为题进行了成果汇报演讲，并从
·2025-06-06 21:00

【Python】异步优势演员-评论家（A3C）算法在Python中的实现与应用

解锁Python编程的无限可能：《奇妙的Python》带你漫游代码世界在深度强化学习（DRL）领域，异步优势演员-评论家（A3C）算法作为一种高效的强化学习方法，广泛应用于各种决策问题和智能控制领域。
蒙娜丽宁·2025-05-19 07:41

深度 Qlearning：深度Qlearning VS DQN

深度Q-learning：深度Q-learningVSDQN1.背景介绍1.1问题由来深度强化学习（DeepReinforcementLearning,DRL）是近年来人工智能领域的重要研究方向，旨在通过深度神经网络来学习和优化强化学习
SuperAGI2025·2025-05-12 13:07

一个深度强化学习航路规划（路径规划）github项目

Github地址：https://github.com/ZYunfeii/UAV_Obstacle_Avoiding_DRL对应毕业设计论文：https://download.csdn.net/download
iπ弟弟·2025-05-04 00:09

0-学习协同策略解决NP难路由问题(NeurlPS2021)(code)(完）

code:https://github.com/alstn12088/LCP文章目录Abstract1Introduction2RelatedWorks2.1基于DRL的构造性启发式算法2.2基于DRL
太极生两鱼·2025-05-03 20:42

深度强化学习在机器人控制中的应用与优化

```html深度强化学习在机器人控制中的应用与优化深度强化学习在机器人控制中的应用与优化随着人工智能技术的快速发展，深度强化学习（DeepReinforcementLearning,DRL）逐渐成为机器人控制领域的热门研究方向
书香浓·2025-05-03 12:17

深度强化学习（DRL）实战：从AlphaGo到自动驾驶

开发者可通过本文掌握：主流DRL算法特性对比与选型决策树安全约束强化学习（SafeRL）的工程实现从仿真到部
layneyao·2025-04-28 02:14

1）强化学习入门

_哔哩哔哩_bilibili初探强化学习GitHub-XinJingHao/DRL-Pytorch:Clean,Robust,andUnifiedPyTorchimplementationofpopularDeepReinforcementLearning
SLAM必须dunk·2025-04-27 05:27

（9-7）基于深度强化学习的量化交易策略（OpenAI Baselines +FinRL+DRL+PyPortfolioOpt）：回测交易策略

9.10回测交易策略回测在评估交易策略绩效方面至关重要，自动化的回测工具因减少人为错误的风险而备受青睐。通常我们使用Quantopian的pyfolio包进行回测，该工具易于使用，提供了各种独立图表，全面展示了交易策略的绩效情况。1.回测统计在量化金融领域，回测统计通常是指通过回测得到的统计数据，用于评估和比较交易策略的性能。这些统计数据可能包括年
码农三叔·2025-04-22 08:04

深度强化学习（DRL）框架与多目标调度优化详解

深度强化学习（DRL）框架与多目标调度优化详解（截至2025年4月，结合最新研究进展）一、DRL主流框架及核心算法通用DRL框架RayRLlib：支持分布式训练，集成PPO、A3C、DQN等算法，适用于大规模多目标调度场景
大霸王龙·2025-04-14 05:11

DQN与深度学习模型的融合:CNN_RNN与DQN

1.背景介绍近年来，深度强化学习（DRL）技术取得了显著的进展，并在游戏、机器人控制、自然语言处理等领域取得了突破性成果。
AGI大模型与大数据研究院·2025-04-07 07:18

Deep Reinforcement Learning for Robotics翻译解读2

1四足机器人行走控制（QuadrupedLocomotion）四足机器人是DRL在现实世界中应用较为成熟的领域之一。
MobiCetus·2025-04-05 22:38

二叉树遍历

按照根、左子树和右子树的访问先后顺序不同，二叉树的遍历可以有6种方案：DLR、LDR、LRD、DRL、RDL、RLD。
随便想的·2025-04-05 17:34

基于深度强化学习的智能机器人路径规划技术研究

近年来，深度强化学习（DeepReinforcementLearning,DRL）技术为机器人路径规划带来了新的突破。
Blossom.118·2025-03-30 03:38

一切皆是映射：DQN训练加速技术：分布式训练与GPU并行

1.背景介绍1.1深度强化学习的兴起近年来，深度强化学习（DeepReinforcementLearning，DRL）在游戏、机器人控制、自然语言处理等领域取得了令人瞩目的成就。
AI天才研究院·2025-03-20 18:45

实战LLM强化学习——使用GRPO（DeepSeek R1出圈算法）

引言近年来，深度强化学习（DRL）已经成为解决复杂决策问题的一个强有力工具，尤其是在自然语言处理（NLP）领域的广泛应用。
大富大贵7·2025-03-20 10:10

一切皆是映射：域适应在DQN中的研究进展与挑战

1.背景介绍1.1深度强化学习与域适应的邂逅深度强化学习(DeepReinforcementLearning,DRL)在近年来取得了瞩目的成就，从Atari游戏到围棋，再到机器人控制，其强大的学习能力令人惊叹
AI天才研究院·2025-02-10 00:33

深度强化学习(DRL)原理与代码实战案例讲解

1.背景介绍1.1人工智能的演进：从符号主义到连接主义人工智能(AI)的发展经历了漫长的历程，从早期的符号主义到如今的连接主义，标志着人工智能从基于规则的推理演变到基于数据的学习。符号主义AI试图通过逻辑和符号系统来模拟人类的思维过程，而连接主义AI则侧重于构建类似于人脑神经网络的结构，通过大量数据进行训练，从而实现智能。1.2强化学习：智能体与环境的互动强化学习(ReinforcementLea
AI大模型应用之禅·2025-01-19 09:27

探索未来，大规模分布式深度强化学习——深入解析IMPALA架构

—深入解析IMPALA架构scalable_agent项目地址:https://gitcode.com/gh_mirrors/sc/scalable_agent在当今的人工智能研究前沿，深度强化学习（DRL
汤萌妮Margaret·2024-09-15 12:30

（18-1）基于深度强化学习的股票交易模型：项目介绍+准备环境

在本章的这个项目中，实现了一个用于股票交易的DRL模型，旨在展示DRL在金融领域的潜力，提供其在股票交易中应用的实际例子。
码农三叔·2024-09-05 11:52

【科技前沿】用深度强化学习优化电网，让电力调度更聪明！

今天我们要聊的是如何利用深度强化学习（DRL）来优化电网的调度，让电力系统变得更智能、更高效。引入话题想象一下，如果你能够通过一种先进的技术手段，自动调整电网中的能源分配，不
风清扬雨·2024-09-01 19:05

drools in java_drools 编程例子

这篇文章主要讲解如何在项目中执行DRL文件并取得结果。
weixin_39829501·2024-08-24 16:33

王树森：学 DRL 走过的弯路太多，想让大家避开（文末赠送福利）

大家都知道，深度强化学习（DeepReinforcementLearning，DRL）就是应用了神经网络的强化学习。而强化学习是机器学习的一个分支，研究如何基于对环境的观测做出决策，以最大化长期回报。
人工智能与算法学习·2024-02-12 15:43

KIE

生命周期Author创作使用DRL、BPMN2、决策表、类进行知识创作构建将创作的知识构建为可部署的单元
金刚_30bf·2024-02-10 18:23

深度强化学习（王树森）笔记11

深度强化学习（DRL）本文是学习笔记，如有侵权，请联系删除。本文在ChatGPT辅助下完成。
阿正的梦工坊·2024-02-01 20:38

深度强化学习（王树森）笔记09

深度强化学习（DRL）本文是学习笔记，如有侵权，请联系删除。本文在ChatGPT辅助下完成。
阿正的梦工坊·2024-01-30 09:19

深度强化学习（王树森）笔记07

深度强化学习（DRL）本文是学习笔记，如有侵权，请联系删除。本文在ChatGPT辅助下完成。
阿正的梦工坊·2024-01-30 00:53

深度强化学习（王树森）笔记06

深度强化学习（DRL）本文是学习笔记，如有侵权，请联系删除。本文在ChatGPT辅助下完成。
阿正的梦工坊·2024-01-29 12:01

人工智能时代的十大核心技术：重塑未来的无限可能 - 第八章 - 深度增强学习，开启AI智能新篇章

其中，深度增强学习（DeepReinforcementLearning,DRL）作为AI领域的一颗璀璨明星，正引领着AI系统在复杂环境中实现更高的智能水平。那么，深度增强学习究竟是什么呢？
百家峰会·2024-01-29 12:59

深度强化学习（王树森）笔记04

深度强化学习（DRL）本文是学习笔记，如有侵权，请联系删除。本文在ChatGPT辅助下完成。
阿正的梦工坊·2024-01-29 03:19

废土

我是十年前王国所培养出来的强化人，我们强化的目的是为了与Drl的机器人军队相抗衡。
清风醉红楼·2024-01-28 09:28

nuaa-数据融合-基于强化学习的小游戏

、使用conda下载pytorch反转来了env.pymain.pyppo.py一、写在前面首先到github上下载这个项目GitHub-PiperLiu/Amazing-Brick-DFS-and-DRL
不买Huracan不改名·2024-01-23 16:00

（9-3）基于深度强化学习的量化交易策略（OpenAI Baselines +FinRL+DRL+PyPortfolioOpt）：数据预处理

1.1.6数据预处理数据预处理是训练高质量机器学习模型的关键步骤，在这一步需要检查缺失数据并进行特征工程，以将数据转换为适合模型训练的状态。本项目的数据预处理江湾城以下工作：添加技术指标：在实际交易中，需要考虑各种信息，例如历史股价、当前持仓股票、技术指标等。本文演示了两个趋势跟踪技术指标：MACD和RSI。添加紧急指数：风险厌恶反映了投资者是否选择保留资本，它还在面对不同市场波动水平时影响交易策
码农三叔·2024-01-20 09:21

（9-4）基于深度强化学习的量化交易策略（OpenAI Baselines +FinRL+DRL+PyPortfolioOpt）：构建交易环境

9.7构建交易环境考虑到自动股票交易任务的随机性和互动性，在本项目中将金融任务建模为马尔可夫决策过程（MarkovDecisionProcess，MDP）问题。在训练过程观察股价的变化、执行操作以及奖励计算，使代理根据奖励调整其策略。通过与环境互动，交易代理将制定随着时间推移而最大化奖励的交易策略。本项目的交易环境基于OpenAIGym框架实现，根据时间驱动模拟的原则模拟实时股票市场，使用真实的市
码农三叔·2024-01-20 09:21

（9-2）基于深度强化学习的量化交易策略（OpenAI Baselines +FinRL+DRL+PyPortfolioOpt）：准备环境+下载数据

9.4准备环境1.库FinRL本项目通过著名的库FinRL实现，这是是一个专注于金融领域的强化学习库，旨在为研究人员和开发者提供一个便捷的工具，用于开发、训练和评估金融交易策略。该库建立在强化学习的理论基础之上，通过提供易用的接口和实用的功能，帮助用户在金融市场中应用深度强化学习算法。库FinRL的主要特点和组件如下所示：强化学习环境：FinRL提供了金融领域特定的强化学习环境，使用户能够模拟和测
码农三叔·2024-01-20 09:51

规则引擎Drools、Aviator、Easy Rules的特点与使用场景简析

提供了规则语言(DRL)和一个基于Java的API，高度可扩展。支持基于规则的推理、决策和事件处理。使用场景：复杂的业务规则和决策逻辑场景：如风险评估、价格计算、优惠策略等。
码上猎人·2024-01-19 01:48

基于模型与不基于模型的深度增强学习_主编推荐 | 基于模型的强化学习—LQR与iLQR...

作者：知乎用户@王沃河编者按深度强化学习(DRL）的一炮走红，让人们一谈起强化学习首先想到的往往是DRL，而强化学习最早的起源来自optimalcontroltheory。
weixin_39572442·2024-01-18 19:19

2024年1月16日Arxiv热门深度强化学习论文：IDENTIFYING POLICY GRADIENT SUBSPACES

引言：深度强化学习中的梯度子空间探索深度强化学习（DeepReinforcementLearning,DRL）在解决复杂的连续控制任务中取得了显著成就，从Atari游戏到各种真实的机器人挑战，DRL的成功案例不胜枚举
夕小瑶·2024-01-17 10:16

机器人强化学习——Comparing Task Simplifications to Learn Closed-Loop Object Picking Using DRL（2019 RAL）

1简介任务是reach、grasp、lift，比较了rewardshaping、curriculumlearning、迁移学习，并迁移到了真实机器人场景中。本文抓取的方法框架是QT-Opt。2方法相机位置：机械臂腕部，眼在手上。state：深度图像、机械手张开宽度action：xyz平移、z轴旋转（想对于当前末端位姿）、机械手动作（开/闭）。每步平移最大1cm，初始state：随机选择n个物体放置
千羽QY·2024-01-16 22:53

机器人强化学习——Sim-to-Real Robot Learning from Pixels with Progressive Nets (2017)

论文地址：https://arxiv.org/abs/1610.042861简介针对现实世界中DRL对复杂任务学习慢的问题，提出progressivenetworks来将仿真中学习的策略迁移到真实世界中
千羽QY·2024-01-16 22:53

强化学习DRL--策略学习（Actor-Critic）

策略学习的意思是通过求解一个优化问题，学出最优策略函数π(a∣s)\pi(a|s)π(a∣s)或它的近似函数（比如策略网络）。一、策略网络在Atari游戏、围棋等应用中，状态是张量（比如图片），那么应该如图7.1所示用卷积网络处理输入。在机器人控制等应用中，状态s是向量，它的元素是多个传感器的数值，那么应该把卷积网络换成全连接网络。二、策略学习的目标函数状态价值既依赖于当前状态st，也依赖于策略网
还有你Y·2024-01-14 22:03

多模态推荐系统综述：三、多模态特征增强

解耦表征学习（DRL）和对比学习（CL）被用来进行基于交互的特征增强。3.1解耦表征学习DRL不同模态特征对于用户对项目的特定因素的偏好具有不同的重要性。
南宫凝忆·2024-01-08 16:50

深度强化学习落地方法论（2）—— 需求分析篇

不管公众号吹嘘得多么厉害，我们自己要摆正心态，不是所有需求都适合用DRL做，适合用DRL做的需求也未必能超越传统方法。在我看来，算法工程师的核心能力可以总结成以下三点：1.对各种算法本
WYJJYN·2024-01-08 04:12
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他