由于现实世界中并不能获取全部的state以及全部的action，因此值迭代方法在很多问题上还是会有局限性。这时用到的就是Q Learning方法了

鲁棒与最优控制

《21个项目玩转深度学习-基于tensorflow的实战详解》项目20源码，深度强化学习：Deep Q learning

强化学习2020版，英文，带目录

在本文中，我们提出了一个多路径DP模型来解决路径规划问题，并证明了它能够在仅使用有限信息作为输入的情况下，找到能够以最短行程时间规划车辆路径的最优策略。我们可以对所提出的方法得出一些结论。 首先，通过在奖励函数中引入距离贡献指数DC I，我们的方法确保了代理可以选择更好的动作，并避免不必要的迂回。 第二，我们的方法不仅生成最优路径，而且生成每个交叉口的驾驶策略。这项政策可以为车辆的最佳路线提供几个可比较的替代方案，从而将交通分流到不同的路线，从而缓解拥堵漂移问题。请注意，介绍部分中提到的所有方法只输出一个

用深度强化学习的方法实现频谱共享。频谱资源是一种有限资源。在自适应的实现频谱共享方面，DRL与频谱共享结合是一个十分有潜力的方向。

各种插值方法的函数，很好很强大，包括线性，双线性，拉格朗日，三次样条等等

王树森强化学习系列笔记

adhoc_routing-master 基于强化学习的无线自组织网络路由协议实现

“＃ 寻找路径” 在运行simple_RL_run.py之前： 运行_Astar.py：使用AStar算法找到到达目标并避免障碍的最佳方法 运行_Testing.py：模拟Jetbot根据AStar解决方案的React。 Simple_RL 运行simple_RL_run.py：构建一个简单的RL培训环境 改进 States:将3扩展为5->考虑目标的相对位置 reward function:越接近目标，每个步骤可获得的奖励就越大。 Astar solution:使用A *解决Astar solution: “教” Agent，以便它可以进行一些有用的初始设置。 RL_Weibo文件夹 运行run_RL.py 使用Polytope进行RL强化训练 黄微博供稿