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

update project1

Browse Source
This commit is contained in:
JohnJim0816
2020-11-24 20:38:49 +08:00
parent 3519f14ff0
commit 9aee8da228
1 changed files with 1 additions and 1 deletions
Download Patch File Download Diff File Expand all files Collapse all files

2
docs/chapter3/project1.md
View File

@@ -93,7 +93,7 @@
## 备注 ## 备注
* 注意 e-greedy 策略的使用，以及相应的参数epsilon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)
* 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