高级强化学习技术

• 深度Q网络变体

  实现并理解DQN、Double DQN、Dueling DQN和优先经验回放等算法。

• 高级策略梯度方法

  掌握A2C、A3C、DDPG、TRPO和PPO的理论与应用。

• 高级寻觅策略

  应用除epsilon-greedy之外的寻觅技术，包括好奇心驱动和基于计数的方法。

• 基于模型的强化学习

  开发能够学习环境模型并用于规划的智能体（例如Dyna-Q、MCTS集成思路）。

• 多智能体强化学习

  理解多智能体场景中的难题，并实现协作和竞争模式下的算法（例如MADDPG）。

• 离线强化学习

  学习如何使用固定数据集训练强化学习智能体，处理诸如分布偏移等难题。

• 实现与优化

  有效优化深度强化学习的实现、调整超参数并调试智能体行为。

本课程没有先修课程。

目前没有推荐的后续课程。