回复自己，水金币

sophieHHH · 发表于 2025-8-3 19:48:14

Dyna-Q算法（带调整探索策略和规划步骤）
这是一个结合了实际经验学习和模拟经验规划的强化学习算法，是经典Dyna-Q的改进版本。

算法概述
初始化阶段：

任意初始化Q函数（动作价值函数）Q(s,a)

初始化环境模型M(s,a)用于模拟

设置训练周期T、学习率α和折扣因子γ

主循环（每次迭代）：

从初始状态s开始

根据STC（可能是某种调度策略）调整两个关键参数：

sophieHHH · 发表于 2025-8-3 19:48:50

回复一下

sophieHHH · 发表于 2025-8-3 19:49:14

回复一下

sophieHHH · 发表于 2025-8-3 19:49:33

回复一下

sophieHHH · 发表于 2025-8-3 19:49:56

回复一下

sophieHHH · 发表于 2025-8-3 19:50:43

回复一下

sophieHHH · 发表于 2025-8-3 19:51:06

回复一下

sophieHHH · 发表于 2025-8-3 19:51:41

回复一下

回复自己，水金币

_______