bacow/easy-rl
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity

Merge branch 'master' of github.com:datawhalechina/leedeeprl-notes

Browse Source
This commit is contained in:
qiwang067
2020-11-25 19:48:36 +08:00
parent 8855104f5f f3a6c99696
commit 810e30c1a3
1 changed files with 4 additions and 4 deletions
Download Patch File Download Diff File Expand all files Collapse all files

8
docs/chapter3/project1.md
View File

@@ -77,7 +77,7 @@
![moving_average_rewards](assets/moving_average_rewards.png) ![moving_average_rewards](assets/moving_average_rewards.png)
### 主要代码清单 ## 主要代码清单
**main.py**：保存强化学习基本接口，以及相应的超参数，可使用argparse **main.py**：保存强化学习基本接口，以及相应的超参数，可使用argparse
@@ -93,7 +93,7 @@
## 备注 ## 备注
* 注意 $\varepsilon -greedy$ 策略的使用，以及相应的参数$\varepsilon$如何衰减 * 注意 $\varepsilon$-greedy 策略的使用，以及相应的参数$\varepsilon$如何衰减
* 训练模型和测试模型的时候选择动作有一些不同，训练时采取e-greedy策略，而测试时直接选取Q值最大对应的动作，所以算法在动作选择的时候会包括sample(训练时的动作采样)和predict(测试时的动作选择) * 训练模型和测试模型的时候选择动作有一些不同，训练时采取 $\varepsilon$-greedy策略，而测试时直接选取Q值最大对应的动作，所以算法在动作选择的时候会包括sample(训练时的动作采样)和predict(测试时的动作选择)
* Q值最大对应的动作可能不止一个，此时可以随机选择一个输出结果 * Q值最大对应的动作可能不止一个，此时可以随机选择一个输出结果