#3.1_Sarsa_算法更新__(强化学习_Reinforcement_Learning_教学)

MATLAB强化学习代码包，用于解决多步决策模型（网格迷宫问题）的Sarsa算法。 编程与算法的详细说明可参看我的专栏：https://blog.csdn.net/weixin_43723517/category_9676083.html "I thought what I'd do was I'd pretend I was one of those deaf-mutes, or should I?"

参考 6.4 (Sarsa: On-Policy TD Control), Reinforcement learning: An Introduction, RS Sutton, AG Barto, MIT press 在这个演示中，强化学习技术 SARSA 解决了两个不同的迷宫。 State-Action-Reward-State-Action (SARSA) 是一种用于学习马尔可夫决策过程策略的算法，用于强化学习。 SARSA，动作价值函数的更新： Q(S{t}, A{t}) := Q(S{t}, A{t}) + α*[ R{t+1} + γ ∗ Q(S{t+1}, A{ t+1}) − Q(S{t}, A{t}) ] 学习率 (α) 学习率决定了新获取的信息在多大程度上覆盖旧信息。 因子为 0 将使代理不学习任何东西，而因子为 1 将使代理仅考虑最近的信息。 折扣系数 (γ)

针对部分可观测马氏决策过程(POMDP) 中, 由于感知混淆现象的存在, 利用Sarsa 等算法得到的无记忆策 略可能发生振荡的现象, 研究了一种基于记忆的强化学习算法——CPnSarsa (K) 学习算法来解决该问题. 它通过重新 定义状态,A gent 结合观测历史来识别混淆状态. 将CPnSarsa (K) 算法应用到一些典型的POMDP, 最后得到的是最 优或近似最优策略. 与以往算法相比, 该算法的收敛速度有了很大提高.

包括基于动态规划的强化学习、基于蒙特卡洛的强化学习、基于时间差分的强化学习、Q-learning算法、sarsa算法

从各种网站在下载到的Q学习算法集成包，有matlab示例，有C示例，有Java示例，有C++示例。总有一个算法是你需要模拟和借鉴的，需要研究强化学习或增强学习算法的人不容错过。。。真心话，要不是我需要下载别的资源需要积分，不会无私奉献。。。我的强化学习就是在这里面修改实现的，需要的顶起来。。

sarsa,q-learning