当前位置: 首页 > news >正文

网站建设方案书下载seo关键词优化排名哪家好

网站建设方案书下载,seo关键词优化排名哪家好,wordpress_子网站重命名,如何建一个公司的网站前言#xff1a; 蒙特卡罗的学习基本流程#xff1a; Policy Evaluation : 生成动作-状态轨迹,完成价值函数的估计。 Policy Improvement: 通过价值函数估计来优化policy。 同策略#xff08;one-policy#xff09;#xff1a;产生 采样轨迹的策略 和要改…前言 蒙特卡罗的学习基本流程 Policy Evaluation :          生成动作-状态轨迹,完成价值函数的估计。 Policy Improvement:       通过价值函数估计来优化policy。 同策略one-policy产生 采样轨迹的策略  和要改善的策略  相同。 Policy Evaluation :    通过-贪心策略,产生状态-动作-奖赏轨迹。 Policy Improvement:  原始策略也是 -贪心策略), 通过价值函数优化, -贪心策略) 异策略(off-policy)产生采样轨迹的  策略  和要改善的策略  不同。 Policy Evaluation :   通过-贪心策略,产生采样轨迹状态-动作-奖赏。 Policy Improvement:  改进原始策略 两个优势 1 原始策略不容易采样 2 降低方差 易策略常用的方案为 IR(importance sample) 重要性采样 Importance sampling is a Monte Carlo method for evaluating properties of a particular distribution, while only having samples generated from a different distribution than the distribution of interest. Its introduction in statistics is generally attributed to a paper by Teun Kloek and Herman K. van Dijk in 1978,[1] but its precursors can be found in statistical physics as early as 1949.[2][3] Importance sampling is also related to umbrella sampling in computational physics. Depending on the application, the term may refer to the process of sampling from this alternative distribution, the process of inference, or both. 一  importance-samling 1.1 原理 原始问题 如果采样N次得到 问题  很难采样采样空间很大,很多时候只能采样到一部分 引入 q(x) 重要性分布(这也是一个分布,容易被采样) : 称为importance weight (大数定理 下面例子我们需要对,做归一化处理更清楚的看出来占比 下面代码进行了归一化处理,方案如下 # -*- coding: utf-8 -*-Created on Wed Nov 8 16:38:34 2023author: chengxf2 import numpy as np import matplotlib.pyplot as plt from scipy.special import logsumexpclass pdf:def __call__(self,x):passdef sample(self,n):pass#正太分布的概率密度 class Norm(pdf):#返回一组符合高斯分布的概率密度随机数。def __init__(self, mu0, sigma1):self.mu muself.sigma sigmadef __call__(self, x):#log p 功能,去掉前面常数项logp (x-self.mu)**2/(2*self.sigma**2)return -logpdef sample(self, N):#产生N 个点这些点符合正太分布x np.random.normal(self.mu, self.sigma,N)return xclass Uniform(pdf):#均匀分布的概率密度def __init__(self, low, high):self.low lowself.high highdef __call__(self, x):#logq 功能N len(x)a np.repeat(-np.log(self.high-self.low), N)return -adef sample(self, N):#产生N 点这些点符合均匀分布x np.random.uniform(self.low, self.high,N)return xclass ImportanceSampler:def __init__(self, p_dist, q_dist):self.p_dist p_distself.q_dist q_distdef sample(self, N):#采样samples self.q_dist.sample(N)weights self.calc_weights(samples)normal_weights weights - logsumexp(weights)return samples, normal_weightsdef calc_weights(self, samples):#log (p/q) log(p)-log(q)return self.p_dist(samples)-self.q_dist(samples)if __name__ __main__:N 10000p Norm()q Uniform(-10, 10) sampler ImportanceSampler(p, q)#samples 从q(x)采样出来的点weight_samplesamples,weight_sample sampler.sample(N)#以weight_sample的概率从samples中抽样 N 个点samples np.random.choice(samples,N, p np.exp(weight_sample))plt.hist(samples, bins100) 二 易策略 off-policy 原理 target policy 原始策略  这里面代表基于原始策略,得到的轨迹 该轨迹的概率 :    该轨迹的累积奖赏 期望的累积奖赏 behavior policy : 行为策略 q(x): 代表各种轨迹的采样概率 则累积奖赏函数f在概率p 也可以等价的写为 和  分别表示两个策略产生i 条轨迹的概率,对于给定的一条轨迹 原始策略 产生该轨迹的概率 则 若 为确定性策略但是 是的贪心策略 原始策略    行为策略:  现在通过行为策略产生的轨迹度量权重w 理论上应该是连乘的但是, 考虑到只是概率的比值,上面可以做个替换 其中 更灵活的利用importance sample 其核心是要计算两个概率比值上面的例子是去log再归一化 三  方差影响 四  代码 代码里面R的计算方式跟上面是不同的, # -*- coding: utf-8 -*-Created on Wed Nov 8 11:56:26 2023author: chengxf2 import numpy as ap # -*- coding: utf-8 -*-Created on Fri Nov 3 09:37:32 2023author: chengxf2 # -*- coding: utf-8 -*-Created on Thu Nov 2 19:38:39 2023author: cxfimport numpy as np import random from enum import Enumclass State(Enum):#状态空间#shortWater 1 #缺水health 2 #健康overflow 3 #溢水apoptosis 4 #凋亡class Action(Enum):#动作空间A#water 1 #浇水noWater 2 #不浇水class Env():def reward(self, state):#针对转移到新的环境奖赏 r -100if state is State.shortWater:r -1elif state is State.health:r 1elif state is State.overflow:r -1else: # State.apoptosisr -100return rdef action(self, state, action):if state is State.shortWater:if action is Action.water :newState [State.shortWater, State.health]p [0.4, 0.6]else:newState [State.shortWater, State.apoptosis]p [0.4, 0.6]elif state is State.health:#健康if action is Action.water :newState [State.health, State.overflow]p [0.6, 0.4]else:newState [State.shortWater, State.health]p [0.6, 0.4]elif state is State.overflow:#溢水if action is Action.water :newState [State.overflow, State.apoptosis]p [0.6, 0.4]else:newState [State.health, State.overflow]p [0.6, 0.4]else: #凋亡newState[State.apoptosis]p [1.0]#print(\n S,S, \t prob ,proba)nextState random.choices(newState, p)[0]r self.reward(nextState)return nextState,rdef __init__(self):self.name 环境空间class Agent():def initPolicy(self):#初始化累积奖赏self.Q {} #(state,action) 的累积奖赏self.count {} #(state,action) 执行的次数for state in self.S:for action in self.A:self. Q[state, action] 0.0self.count[state,action] 0action self.randomAction()self.policy[state] Action.noWater #初始化都不浇水def randomAction(self):#随机策略action random.choices(self.A, [0.5,0.5])[0]return actiondef behaviorPolicy(self):#使用e-贪心策略state State.shortWater #从缺水开始env Env()trajectory {}#[s0,a0,r0]--[s1,a1,r1]--[sT-1,aT-1,rT-1]for t in range(self.T):#选择策略rnd np.random.rand() #生成随机数if rnd self.epsilon:action self.randomAction()else:#通过原始策略选择actionaction self.policy[state] newState,reward env.action(state, action) trajectory[t][state,action,reward]state newStatereturn trajectorydef calcW(self,trajectory):#计算权重q1 1.0-self.epsilonself.epsilon/2.0 # a 原始策略q2 self.epsilon/2.0 # a!原始策略w {}for t, value in trajectory.items():#[state, action,reward]action value[1]state value[0]if action self.policy[state]:p 1q q1else:p 0q q2w[t] round(np.exp(p-q),3)#print(\n w ,w)return wdef getReward(self,t,wDict,trajectory):p 1.0r 0#[state,action,reward]for i in range(t,self.T):rtrajectory[t][-1]w wDict[t]p p*wR p*rm self.T-treturn R/mdef improve(self):a Action.noWaterfor state in self.S:maxR self.Q[state, a]for action in self.A:R self.Q[state,action]if RmaxR:maxR Rself.policy[state] actiondef learn(self):self.initPolicy()for s in range(1,self.maxIter): #采样第S 条轨迹#通过行为策略(e-贪心策略)产生轨迹trajectory self.behaviorPolicy()w self.calcW(trajectory)print(\n 迭代次数 %d%s ,\t 缺水,self.policy[State.shortWater].name,\t 健康,self.policy[State.health].name,\t 溢水,self.policy[State.overflow].name,\t 凋亡,self.policy[State.apoptosis].name)#策略评估for t in range(self.T):R self.getReward(t, w,trajectory)state trajectory[t][0]action trajectory[t][1]Q self.Q[state,action]count self.count[state, action]self.Q[state,action] (Q*countR)/(count1)self.count[state, action]count1#获取权重系数self.improve() def __init__(self):self.S [State.shortWater, State.health, State.overflow, State.apoptosis]self.A [Action.water, Action.noWater]self.Q {} #累积奖赏self.count {}self.policy {} #target Policyself.maxIter 500self.epsilon 0.2self.T 10if __name__ __main__:agent Agent()agent.learn() https://img2020.cnblogs.com/blog/1027447/202110/1027447-20211013112906490-1926128536.png
http://www.huolong8.cn/news/50304/

相关文章:

  • 网站配色案例分析买淘宝店
  • 怎么拥有网站的所有权简述从网站规划的角度常见的网站模式
  • 长沙网页制作模板的网站做展厅 参考什么网站
  • 安平做网站的电话wordpress悬浮音乐插件
  • 网站设计的价格wordpress网页加入音乐入口
  • 广西建设执业注册中心中心网站网站开发绑定qq
  • 策划电子商务网站建设规划书请问那个网站做推广好点
  • 假山网站建设建设项目自主验收公示的网站
  • 网站建设播放vr视频教程大连旅顺港
  • 网站建设与管理报告书北京网站设计公司yy成都柚米科技15
  • 网站建设培训学校wordpress采集查卷
  • seo刷网站wordpress+重装教程
  • 贸易公司自建免费网站驻马店网站建设价格
  • 数据库作业代做网站在虚拟主机上安装wordpress
  • 百度指数网站seo综合查询使用vsping工具
  • 网站建设创建做网站的公司都很小吗
  • 做外贸公司网站怎么做中天控股集团有限公司
  • 大气建站工作室网站源码江苏苏州昨天出大事
  • 深圳住房和建设局网站哪里预约wordpress返回500
  • 长宁区网站建设开中国域名注册中心
  • 织梦网站调节网站温州企业网站建设要多少钱
  • 接网站开发的公司电话做公司官网步骤
  • 免费网站域名空间鄂州网页定制
  • 东营网站seo顾问有哪些网站做的比较好的
  • 地区网站建设天眼查官网查询企业
  • 焦作北京网站建设网站用什么语言
  • 做字画的网站淘宝客登记新网站
  • 郑州模板网站一个网站2级域名多
  • 网站排名效果好长沙景点视频
  • 厦门网站建设开发公司唐山哪里建档生孩子好