🌉 单题同构迁移解析LC_121 · 简单
LC_121 (买卖股票的最佳时机) ➔ PPO (Proximal Policy Optimization) Clipped Loss
股票状态机 DP 中持有与未持有的转移,完全同构于强化学习的 Value Iteration。
1️⃣ 经典算法母体 (LeetCode Origin)
LC_121 · 买卖股票的最佳时机
所属范式:状态机动态规划 (State Machine DP) — 状态机动态规划。将每一阶段根据当前持有、未持有、冷冻期等属性切分为离散状态,状态之间存在明确的转换动作和转移代价,数学形式与马尔可夫决策过程贝尔曼方程完全同构。
⚡ 查看 LC-121 算法原题精解 ➔2️⃣ 大模型工业系统落地 (Production AI System)
强化学习对齐 (PPO / DPO / GRPO) 与奖励模型 · PPO (Proximal Policy Optimization) Clipped Loss
工程映射场景:马尔可夫决策过程中的状态价值动态转移与最优策略迭代
🧬 对应工业算子接口签名
def ppo_clipped_loss(logprobs: torch.Tensor, old_logprobs: torch.Tensor, advantages: torch.Tensor, clip_eps: float = 0.2) -> torch.Tensor