Biscuitの赛博小窝 - 还没想好喵

强化学习（二）：价值函数与贝尔曼方程

2025-11-02

11-强化学习

RL

/

贝尔曼方程

/

值函数

/

动态规划

从回报的递推关系推导贝尔曼期望方程与贝尔曼最优方程，并在模型已知时用动态规划求解

3013 字

|

15 分钟

强化学习（三）：被动强化学习与策略评价

2025-11-02

11-强化学习

RL

/

被动强化学习

/

蒙特卡洛

/

时序差分

模型未知、策略固定时，如何仅从交互样本估计价值——蒙特卡洛法与时序差分 TD(0)

1226 字

|

6 分钟

强化学习（四）：主动强化学习、SARSA 与 Q-learning

2025-11-02

11-强化学习

RL

/

主动强化学习

/

SARSA

/

Q-learning

/

时序差分

从策略评价走向策略改进：探索与利用、ε-greedy，以及 SARSA 与 Q-learning 两种时序差分控制

1433 字

|

7 分钟

强化学习（一）：MDP 与强化学习基础

2025-11-02

11-强化学习

RL

/

强化学习基础

/

马尔可夫决策过程

从交互过程出发，建立状态、动作、策略、奖励、回报与马尔可夫决策过程（MDP）的完整符号体系

2990 字

|

15 分钟

UTF-8 编码与 Unicode，ASCII

2025-11-01

字符编码

UTF-8 编码规则及其与 Unicode 码点的转换方法

806 字

|

4 分钟

Floyd-Warshall算法

2025-10-29

数据结构与算法

弗洛伊德算法

/

最短路径算法

全局节点最短路径问题

509 字

|

3 分钟

CSAPP_不同进制赋值与字节级读写

2025-10-29

数据存储

64位机器上的不同进制赋值与字节级读写示例

151 字

|

1 分钟

2025-10-29

数据结构与算法

最短路径算法

/

Djikstra算法

Djikstra算法是一种用于计算加权图中单源最短路径的经典算法。它适用于边权非负的图，能够有效地找到从起始节点到其他节点的最短路径。

1632 字

|

8 分钟

25