96SEO 2026-02-20 06:48 0
Q-learning的核心在于Q表格#xff0c;通过建立Q表格来为行动提供指引#xff0c;但这适用于状态…前言

Q-learning的核心在于Q表格通过建立Q表格来为行动提供指引但这适用于状态和动作空间是离散且维数不高时当状态和动作空间是高维连续时Q表格将变得十分巨大对于维护Q表格和查找都是不现实的。
gym.make(env_name)random.seed(0)np.random.seed(0)env.seed(0)torch.manual_seed(0)replay_buffer
env.observation_space.shape[0]action_dim
agent.take_action(state)next_state,
env.step(action)replay_buffer.add(state,
replay_buffer.sample(batch_size)transition_dict
b_d}agent.update(transition_dict)return_list.append(episode_return)if
np.mean(return_list[-10:])})pbar.update(1)episodes_list
list(range(len(return_list)))plt.figure(1)
fig.1是一个一行两列布局的图且现在画的是左图plt.plot(episodes_list,
return_list,cr)plt.xlabel(Episodes)plt.ylabel(Returns)plt.title(DQN
{}.format(env_name))plt.figure(1)
当前要处理的图为fig.1而且当前图是fig.1的左图plt.subplot(1,
rl_utils.moving_average(return_list,
mv_return,cg)plt.xlabel(Episodes)plt.ylabel(Returns)plt.title(DQN
{}.format(env_name))plt.show()5.2
nn.Sequential(nn.Linear(state_dim,
hidden_dim),nn.Linear(hidden_dim,
action_dim,learning_rate,discount,
action_dim).to(device)self.target_q_net
torch.optim.Adam(self.q_net.parameters(),lrlearning_rate)self.gamma
dtypetorch.float).to(self.device)qvalue
torch.tensor(data[states],dtypetorch.float).to(self.device)actions
torch.tensor(data[actions]).view(-1,
torch.tensor(data[rewards],dtypetorch.float).view(-1,
torch.tensor(data[next_states],dtypetorch.float).to(self.device)dones
torch.tensor(data[dones],dtypetorch.float).view(-1,
1).to(self.device)#从完整数据中按索引取值[64]#print(\n
self.q_net(states).gather(1,actions)
self.target_q_net(next_states).max(1)[0].view(-1,1)q_targets
torch.mean(loss)self.optimizer.zero_grad()loss.backward()self.optimizer.step()if
0:#更新目标网络self.target_q_net.load_state_dict(self.q_net.state_dict())self.count
capacity):#双向队列可以在队列的两端任意添加或删除元素。
self.buffer
done):#数据加入bufferself.buffer.append((state,action,reward,
collections.deque(maxlencapacity)
np.cumsum(a[:window_size-1])[::2]
(np.cumsum(a[:-window_size:-1])[::2]
tqdm(totalint(num_episodes/10),
range(int(num_episodes/10)):episode_return
agent.take_action(state)next_state,
env.step(action)transition_dict[states].append(state)transition_dict[actions].append(action)transition_dict[next_states].append(next_state)transition_dict[rewards].append(reward)transition_dict[dones].append(done)state
rewardreturn_list.append(episode_return)agent.update(transition_dict)if
np.mean(return_list[-10:])})pbar.update(1)return
tqdm(totalint(num_episodes/10),
range(int(num_episodes/10)):episode_return
agent.take_action(state)next_state,
env.step(action)replay_buffer.add(state,
replay_buffer.sample(batch_size)transition_dict
b_d}agent.update(transition_dict)return_list.append(episode_return)if
np.mean(return_list[-10:])})pbar.update(1)return
td_delta.detach().numpy()advantage_list
deltaadvantage_list.append(advantage)advantage_list.reverse()return
https://www.cnblogs.com/xiaohuiduan/p/12993691.html
https://www.cnblogs.com/xiaohuiduan/p/12945449.html
强化学习第五节DQN【个人知识分享】_哔哩哔哩_bilibili
3-ε-greedy_ReplayBuffer_FixedQ-targets_哔哩哔哩_bilibili
4-代码实战DQN_Agent和Env整体交互_哔哩哔哩_bilibili
作为专业的SEO优化服务提供商,我们致力于通过科学、系统的搜索引擎优化策略,帮助企业在百度、Google等搜索引擎中获得更高的排名和流量。我们的服务涵盖网站结构优化、内容优化、技术SEO和链接建设等多个维度。
| 服务项目 | 基础套餐 | 标准套餐 | 高级定制 |
|---|---|---|---|
| 关键词优化数量 | 10-20个核心词 | 30-50个核心词+长尾词 | 80-150个全方位覆盖 |
| 内容优化 | 基础页面优化 | 全站内容优化+每月5篇原创 | 个性化内容策略+每月15篇原创 |
| 技术SEO | 基本技术检查 | 全面技术优化+移动适配 | 深度技术重构+性能优化 |
| 外链建设 | 每月5-10条 | 每月20-30条高质量外链 | 每月50+条多渠道外链 |
| 数据报告 | 月度基础报告 | 双周详细报告+分析 | 每周深度报告+策略调整 |
| 效果保障 | 3-6个月见效 | 2-4个月见效 | 1-3个月快速见效 |
我们的SEO优化服务遵循科学严谨的流程,确保每一步都基于数据分析和行业最佳实践:
全面检测网站技术问题、内容质量、竞争对手情况,制定个性化优化方案。
基于用户搜索意图和商业目标,制定全面的关键词矩阵和布局策略。
解决网站技术问题,优化网站结构,提升页面速度和移动端体验。
创作高质量原创内容,优化现有页面,建立内容更新机制。
获取高质量外部链接,建立品牌在线影响力,提升网站权威度。
持续监控排名、流量和转化数据,根据效果调整优化策略。
基于我们服务的客户数据统计,平均优化效果如下:
我们坚信,真正的SEO优化不仅仅是追求排名,而是通过提供优质内容、优化用户体验、建立网站权威,最终实现可持续的业务增长。我们的目标是与客户建立长期合作关系,共同成长。
Demand feedback