Reinforcement-Learning-RL-with-MATLAB
这个库包含一系列的模块,以开始与MATLAB强化学习。
根据指导老师的要求提供解决方案。请联系这里
它分为4个阶段。
在阶段1我们从手工编码RL问题开始学习RL概念。稍后我们将看到如何通过使用MathWorks RL工具箱中可用的函数来完成同样的工作。
在第二阶段,我们处理复杂的环境,并了解深度学习代理是如何建模和训练的。此外,我们还将了解如何在MATLAB中自定义构建环境。
在第三阶段我们引入Simulink。我们使用Simulink RL块开发环境。
在第四阶段带我们进入机械和工业工程问题的附加环境,我们将使用之前教过的概念来构建这些环境。
请浏览名为“介绍和文档”的文件夹,开始学习这些模块。您可以通过打开与相应模块相关联的PDF来查看MATLAB脚本。
引用:Sahil S. Belsare, Mohammad Dehghani, Rifat Sipahi,(2022年)。Reinforcement-Learning-RL-with-MATLAB (https://github.com/mdehghani86/Reinforcement-Learning-RL-with-MATLAB/releases/tag/v1.0.0), GitHub。2022年5月10日检索。
引用作为
Sahil S. Belsare, Mohammad Dehghani, Rifat Sipahi,(2022年)。强化学习rl -with- matlab (https://github.com/mdehghani86/Reinforcement-Learning-RL-with-MATLAB/releases/tag/v1.0.0), GitHub。2022年5月10日检索。
2-阶段2- RL与深度学习代理/01-自定义推车杆_ DQN
3-阶段3- Simulink和RL
4 -阶段4 -附加工程环境/使用强化学习的机器人行走
3-阶段3- Simulink和RL
4 -阶段4 -附加工程环境/使用强化学习的机器人行走
1-使用Qlearning agent解决一个MDP /1 -使用Qlearning Agent_Manual的简单MDP
1-用Q_learning agent求解MDP /2 -用Qlearning Agent_MATLAB求解简单MDP
2-阶段2- RL与深度学习代理/00-随机网格世界dqn
2-阶段2- RL与深度学习代理/01-自定义推车杆_ DQN
3-阶段3- Simulink和RL
4 -阶段4 -使用强化学习的附加工程环境/项目组合管理
4 -阶段4 -附加工程环境/使用强化学习的机器人行走
要查看或报告此GitHub插件中的问题,请访问GitHub库.
要查看或报告此GitHub插件中的问题,请访问GitHub库.