2025 10 22 左永安 顧問/講師/委員/宮主/秘書長/永續長/執行長/理事長 深度強化式學習 (Deep Reinforcement Learning, DRL) 就是將 深度學習 與 強化式學習 結合的技術。 要讓 AI 應用落地，DRL 是必不可缺的技術。立足於 DRL 最基本的 DQN (Deep Q-Network) 之上。循序漸進各種演算法，包括： 1.Deep Q-Network (DQN) 2.策略梯度法（Policy gradient methods） 3.優勢值演員-評論家（Advantage Actor-Critic, A2C） 4.分散式優勢值演員-評論家（Distributional Advantage Actor-Critic, DA2C） 5.進化演算法（Evolutionary algorithm） 6.分散式DQN（Distributional DQN） 7.鄰近Q-Learning（Neighborhood Q-Learning） 8.平均場Q-Learning（Mean field Q-Learning） 9.關聯性DQN（Relational DQN） 應用 RL 而發展出來的熱門模型，其中包括： 1. 圖神經網路（Graph Neural Network, GNN） 2. Transformer模型 3..Attention模型（Attention model）

 

2025 10 22 左永安 顧問/講師/委員/宮主/秘書長/永續長/執行長/理事長 深度強化式學習 (Deep Reinforcement Learning, DRL) 就是將 深度學習 與 強化式學習 結合的技術。 要讓 AI 應用落地，DRL 是必不可缺的技術。立足於 DRL 最基本的 DQN (Deep Q-Network) 之上。循序漸進各種演算法，包括： 　　1.Deep Q-Network (DQN) 　　2.策略梯度法（Policy gradient methods） 　　3.優勢值演員-評論家（Advantage Actor-Critic, A2C） 　　4.分散式優勢值演員-評論家（Distributional Advantage Actor-Critic, DA2C） 　　5.進化演算法（Evolutionary algorithm） 　 6.分散式DQN（Distributional DQN） 　　7.鄰近Q-Learning（Neighborhood Q-Learning） 　　8.平均場Q-Learning（Mean field Q-Learning） 　　9.關聯性DQN（Relational DQN） 　應用 RL 而發展出來的熱門模型，其中包括： 　　1. 圖神經網路（Graph Neural Network, GNN） 　　2. Transformer模型 　　3..Attention模型（Attention model）

深度強化式學習 (Deep Reinforcement Learning, DRL)

就是將  深度學習  與  強化式學習   結合的技術。

要讓 AI 應用落地，DRL 是必不可缺的技術。

由兩位劍橋大學博士所帶領的 Wayve 團隊就利用了 DRL 技術，

開發出可以自行從新環境中學習的自動駕駛技術，

取代以往完全仰賴感測器的做法。

除此之外，工廠內的自動化機器人, 或是打敗世界棋王的 AlphaGo 等，

背後運作的演算法  也都與    DRL 息息相關。

 

　　然而 DRL 的演算法五花八門，讓人看了眼花繚亂。

事實上，它們都是為了應付各式各樣的任務而發展出來的改良版本，

其核心概念的差異不大，

都是立足於 DRL 最基本的 DQN (Deep Q-Network) 之上。

認識RL中較為經典的演算法，如DQN、策略梯度法、A2C等。

 

　循序漸進各種演算法，包括：

　　1.Deep Q-Network (DQN)

　　2.策略梯度法（Policy gradient methods）

　　3.優勢值演員-評論家（Advantage Actor-Critic, A2C）

　　4.分散式優勢值演員-評論家（Distributional Advantage Actor-Critic, DA2C）

　

    　5.進化演算法（Evolutionary algorithm）

　    6.分散式DQN（Distributional DQN）

　　7.鄰近Q-Learning（Neighborhood Q-Learning）

　　8.平均場Q-Learning（Mean field Q-Learning）

　　9.關聯性DQN（Relational DQN）

 

　應用 RL 而發展出來的熱門模型，其中包括：

　　1. 圖神經網路（Graph Neural Network, GNN）

　　2. Transformer模型

　　3..Attention模型（Attention model）