强化学习第2版 MATLAB代码

基本信息

源码名称：强化学习第2版 MATLAB代码

源码大小：1.34M

文件格式：.zip

开发语言：MATLAB

更新时间：2022-12-07

友情提示：（无需注册或充值，赞助后即可获取资源下载链接）

嘿，亲！知识可是无价之宝呢，但咱这精心整理的资料也耗费了不少心血呀。小小地破费一下，绝对物超所值哦！如有下载和支付问题，请联系我们QQ(微信同号)：813200300

本次赞助数额为： 2 元　

源码介绍

强化学习第2版 MATLAB代码

由John Weatherwax复现

.
├── Reinforcement Learning by Sutton-MATLAB code_108m_9JPG
│ ├── Chapter2
│ │ ├── 1
│ │ │ └── sample_discrete.m
│ │ ├── 10. Pursuit Methods
│ │ │ ├── persuit_method.m
│ │ │ ├── persuit_method_Script.m
│ │ │ └── persuit_method_results.html
│ │ ├── 2
│ │ │ ├── n_armed_testbed.m
│ │ │ └── n_armed_testbed_results.html
│ │ ├── 3
│ │ │ ├── n_armed_testbed_softmax.m
│ │ │ └── n_armed_testbed_softmax_results.html
│ │ ├── 4.The Binary Bandit
│ │ │ ├── binary_bandit_exps.m
│ │ │ ├── binary_bandit_exps_Script.m
│ │ │ └── binary_bandit_results.html
│ │ ├── 5. Exercise 2.5
│ │ │ ├── exercise_2_5.m
│ │ │ └── exercise_2_5_results.html
│ │ ├── 6. Exercise 2.7
│ │ │ ├── exercise_2_7.m
│ │ │ ├── exercise_2_7_Script.m
│ │ │ └── exercise_2_7_results.html
│ │ ├── 7. Optimistic Initial Value
│ │ │ ├── opt_initial_values.m
│ │ │ ├── opt_initial_values_Script.m
│ │ │ └── opt_initial_values_results.html
│ │ ├── 8. Reinforcement Comparison Methods
│ │ │ ├── reinforcement_comparison_methods.m
│ │ │ ├── reinforcement_comparison_methods_Script.m
│ │ │ └── reinforment_comparison_methods_results.html
│ │ ├── 9. Exercise 2.11
│ │ │ ├── exercise_2_11.m
│ │ │ ├── exercise_2_11_Script.m
│ │ │ └── exercise_2_11_results.html
│ │ └── 捕获.JPG
│ ├── Chapter3
│ │ ├── 1. Numerically Solving the Bellman Equation for the Recycling Robot
│ │ │ ├── rr_action_bellman.m
│ │ │ └── rr_state_bellman.m
│ │ └── 捕获.JPG
│ ├── Chapter4
│ │ ├── 1. Policy Iteration for the Grid World Exampl
│ │ │ ├── iter_poly_gw_inplace.m
│ │ │ └── iter_poly_gw_not_inplace.m
│ │ ├── 2. Exercise 4.2 (Adding a state to grid world)
│ │ │ └── ex_4_2_sys_solv.m
│ │ ├── 3. Policy Improvement for the Jacks Car Rental (JCR) Example
│ │ │ ├── cmpt_P_and_R.m
│ │ │ ├── jcr_example.m
│ │ │ ├── jcr_policy_evaluation.m
│ │ │ ├── jcr_policy_improvement.m
│ │ │ └── jcr_rhs_state_value_bellman.m
│ │ ├── 4. Exercise 4.5 (Modifications on the Jacks Car Rental Example)
│ │ │ ├── ex_4_5_Script.m
│ │ │ ├── ex_4_5_policy_evaluation.m
│ │ │ ├── ex_4_5_policy_improvement.m
│ │ │ ├── ex_4_5_results.html
│ │ │ └── ex_4_5_rhs_state_value_bellman.m
│ │ ├── 5. The Gambler's Problem
│ │ │ ├── gam_Script.m
│ │ │ ├── gam_results.html
│ │ │ └── gam_rhs_state_bellman.m
│ │ └── 捕获.JPG
│ ├── Chapter5
│ │ ├── 1. Computing the State-Value function for the using the First-Visit Monte Carlo Method (for blackjack)
│ │ │ ├── bj_results.html
│ │ │ ├── cmpt_bj_value_fn.m
│ │ │ ├── determineReward.m
│ │ │ ├── handValue.m
│ │ │ ├── shufflecards.m
│ │ │ └── stateFromHand.m
│ │ ├── 2. Exploring Starts to compute the optimal policy for Blackjack
│ │ │ ├── mc_es_bj_Script.m
│ │ │ └── op_bj_results.html
│ │ ├── 3. Soft Policy Evaluation to compute the optimal policy for Blackjack
│ │ │ ├── soft_policy_bj_Script.m
│ │ │ └── soft_policy_bj_results.html
│ │ ├── 4. Exercise 5.4 (The Race Track Example)
│ │ │ ├── ex_5_4_Script.m
│ │ │ ├── gen_rt_episode.m
│ │ │ ├── init_unif_policy.m
│ │ │ ├── mcEstQ.m
│ │ │ ├── mk_rt.m
│ │ │ ├── rt_pol_mod.m
│ │ │ ├── rt_results.html
│ │ │ └── velState2PosActions.m
│ │ └── 捕获.JPG
│ ├── Chapter6
│ │ ├── 1. Comparing TD(0) and constant alpha MC learning on the Random Walk Example
│ │ │ ├── cmpt_arms_err.m
│ │ │ ├── eg_6_2_learn.m
│ │ │ ├── eg_rw_batch_learn.m
│ │ │ ├── fig_6_6_n_7_results.html
│ │ │ ├── fig_6_8_results.html
│ │ │ ├── mk_arms_error_plt.m
│ │ │ ├── mk_batch_arms_error_plt.m
│ │ │ └── mk_fig_6_6.m
│ │ ├── 2. The Windy Gridworld Example
│ │ │ ├── gw_results.html
│ │ │ ├── plot_gw_policy.m
│ │ │ ├── run_all_gw_Script.m
│ │ │ ├── wgw_w_kings.m
│ │ │ ├── wgw_w_kings_Script.m
│ │ │ ├── wgw_w_kings_n_wind.m
│ │ │ ├── wgw_w_kings_n_wind_Script.m
│ │ │ ├── wgw_w_stoch_wind.m
│ │ │ ├── wgw_w_stoch_wind_Script.m
│ │ │ ├── windy_gw.m
│ │ │ └── windy_gw_Script.m
│ │ ├── 3. The Cliff Walk example
│ │ │ ├── cw_results.html
│ │ │ ├── learn_cw.m
│ │ │ ├── learn_cw_Script.m
│ │ │ └── plot_cw_policy.m
│ │ ├── 4. The R learning example
│ │ │ ├── R_learn_acq.m
│ │ │ ├── R_learn_acq_Script.m
│ │ │ └── r_learn_results.html
│ │ └── 捕获.JPG
│ ├── Chapter7
│ │ ├── 1. Using TD(n) learning to learn random walks
│ │ │ ├── ntd_results.html
│ │ │ ├── rw_episode.m
│ │ │ ├── rw_offline_ntd_learn.m
│ │ │ ├── rw_offline_ntd_learn_Script.m
│ │ │ ├── rw_online_ntd_learn.m
│ │ │ └── rw_online_ntd_learn_Script.m
│ │ ├── 2. Using TD(lambda) learning to learn random walks
│ │ │ ├── rw_offline_tdl_learn.m
│ │ │ ├── rw_offline_tdl_learn_Script.m
│ │ │ ├── rw_online_tdl_learn.m
│ │ │ ├── rw_online_tdl_learn_Script.m
│ │ │ └── tdl_results.html
│ │ ├── 3. Online TD(lambda) with eligability traces
│ │ │ ├── rw_online_w_et.m
│ │ │ ├── rw_online_w_et_Script.m
│ │ │ └── tdl_w_et_results.html
│ │ ├── 4. Example 7.4 Implementing the Grid World example with eligability traces
│ │ │ ├── gw_w_et.m
│ │ │ └── gw_w_et_Script.m
│ │ ├── 5. Accumulating traces v.s. Replacing traces
│ │ │ ├── acc_vs_rep_results.html
│ │ │ ├── rw_accumulating_vs_replacing_Script.m
│ │ │ └── rw_online_w_replacing_traces.m
│ │ ├── 6. Example 7.5 Learning from a one directional Markov chain
│ │ │ ├── eg_7_5_Script.m
│ │ │ ├── eg_7_5_episode.m
│ │ │ ├── eg_7_5_learn_at.m
│ │ │ ├── eg_7_5_learn_rt.m
│ │ │ └── eg_7_5_results.html
│ │ └── 捕获.JPG
│ ├── Chapter8
│ │ ├── 1. Using Coarse Coding to Approximate a Step Function
│ │ │ ├── coarse_coding_results.html
│ │ │ ├── linAppFn.m
│ │ │ ├── stp_fn_approx_Script.m
│ │ │ └── targetF.m
│ │ ├── 2. The Mountain Car Example
│ │ │ ├── (1) Driver scripts to run the examples (run GetTiles_Mex_Script.m to create the needed MEX interface to GetTiles)
│ │ │ │ ├── GetTiles_Mex_Script.m
│ │ │ │ └── mnt_car_learn_Script.m
│ │ │ ├── (2) Sample output produced from the above codes (plot of -max_a Q_t(s,a))
│ │ │ │ └── mt_results.html
│ │ │ └── (3) Component code called from the above driver functions
│ │ │ ├── GetTiles_Mex.C
│ │ │ ├── get_ctg.m
│ │ │ ├── mnt_car_learn.m
│ │ │ ├── next_state.m
│ │ │ ├── ret_q_in_st.m
│ │ │ ├── tiles.C
│ │ │ └── tiles.h
│ │ ├── 3. Learning Rates for the Mountain Car Example (Replacement vs. Accumulate Traces)
│ │ │ ├── do_mnt_car_Exps.m
│ │ │ └── mt_learning_rate_results.html
│ │ └── 捕获.JPG
│ ├── Chapter9
│ │ ├── 1. A Comparison of the number of planning steps in Dyna maze planning
│ │ │ ├── do_ex_9_1_exps.m
│ │ │ ├── dynaQ_maze.m
│ │ │ ├── dynaQ_maze_Script.m
│ │ │ ├── dyna_maze_planning.html
│ │ │ ├── mk_ex_9_1_mz.m
│ │ │ └── plot_mz_policy.m
│ │ ├── 2. The blocking maze example
│ │ │ ├── blocking_maze_planning.html
│ │ │ ├── blocking_mz_Script.m
│ │ │ ├── dynaQplus_maze.m
│ │ │ ├── dynaQplus_maze_Script.m
│ │ │ └── mk_ex_9_2_mz.m
│ │ ├── 3. The shortcut maze
│ │ │ ├── mk_ex_9_3_mz.m
│ │ │ └── shortcut_maze_planning.html
│ │ ├── 4. Exercise 9.4
│ │ │ ├── ex_9_4_dynaQplus.m
│ │ │ ├── ex_9_4_dynaQplus_Script.m
│ │ │ └── ex_9_4_results.html
│ │ └── 捕获.JPG
│ └── 捕获.JPG
└── 强化学习第2版 MATLAB代码_ReinforcementLearningbySutton-MATLABcode.zip

49 directories, 153 files