半是温柔半是风，一生从容一生花目录1.原理介绍2.步骤详解2.1获取数据2.2数据标准化2.3计算信息承载量2.4计算权重3.案例分析3.1数据获取3.2数据标准化3.3计算相关系数3.4计算信息承载量3.5计算权重4.算法改进5.完整代码5.1方法类CRITIC.java5.2主类CRITICmain.java1.原理介绍 通常在确定指标权重时往往更多关注的是数据本身，而数据之间的波动性大小也是一种信息，或是数据之间的相关关系大小，也是一种信息，可利用数据波动性大小或数据相关关系大小计算权重。 CRITIC权重法是一种基于数据波动性的客观赋权法。其思想在于两项指标
半是温柔半是风，一生从容一生花目录1.原理介绍2.步骤详解2.1获取数据2.2数据标准化2.3计算信息承载量2.4计算权重3.案例分析3.1数据获取3.2数据标准化3.3计算相关系数3.4计算信息承载量3.5计算权重4.算法改进5.完整代码5.1方法类CRITIC.java5.2主类CRITICmain.java1.原理介绍 通常在确定指标权重时往往更多关注的是数据本身，而数据之间的波动性大小也是一种信息，或是数据之间的相关关系大小，也是一种信息，可利用数据波动性大小或数据相关关系大小计算权重。 CRITIC权重法是一种基于数据波动性的客观赋权法。其思想在于两项指标
1ActorCritic算法简介1.1为什么要有ActorCriticActor-Critic的Actor的前身是PolicyGradient，这能让它毫不费力地在连续动作中选取合适的动作，而Q-Learning做这件事会瘫痪，那为什么不直接用PolicyGradient呢，原来Actor-Critic中的Critic的前身是Q-Learning或者其他的以值为基础的学习法，能进行单步更新，而更传统的PolicyGradient则是回合更新，这降低了学习效率。现在我们有两套不同的体系，Actor和Critic，他们都能用不同的神经网络来代替。现实中的奖惩会左右Actor的更新情况。Policy
1ActorCritic算法简介1.1为什么要有ActorCriticActor-Critic的Actor的前身是PolicyGradient，这能让它毫不费力地在连续动作中选取合适的动作，而Q-Learning做这件事会瘫痪，那为什么不直接用PolicyGradient呢，原来Actor-Critic中的Critic的前身是Q-Learning或者其他的以值为基础的学习法，能进行单步更新，而更传统的PolicyGradient则是回合更新，这降低了学习效率。现在我们有两套不同的体系，Actor和Critic，他们都能用不同的神经网络来代替。现实中的奖惩会左右Actor的更新情况。Policy
Actor-Critic是价值学习和策略学习的结合。Actor是策略网络，用来控制agent运动，可以看做是运动员。Critic是价值网络，用来给动作打分，像是裁判。4.Actor-Critic4.1价值网络与策略网络构建a.原理介绍状态价值函数：$V_\pi(s)=\sum_{{a}}\pi({a}|{s})\cdotQ_\pi({s},{a})$(离散情况，如果是连续的需要换成定积分)V是动作价值函数\(Q_\pi\)的期望，\(\pi({s}|{a})\)策略函数控制agent做运动，\(Q_\pi({s},{a})\)价值函数评价动作好坏。但是上述这两个函数我们都不知道，但是可以分别用
Actor-Critic是价值学习和策略学习的结合。Actor是策略网络，用来控制agent运动，可以看做是运动员。Critic是价值网络，用来给动作打分，像是裁判。4.Actor-Critic4.1价值网络与策略网络构建a.原理介绍状态价值函数：$V_\pi(s)=\sum_{{a}}\pi({a}|{s})\cdotQ_\pi({s},{a})$(离散情况，如果是连续的需要换成定积分)V是动作价值函数\(Q_\pi\)的期望，\(\pi({s}|{a})\)策略函数控制agent做运动，\(Q_\pi({s},{a})\)价值函数评价动作好坏。但是上述这两个函数我们都不知道，但是可以分别用
