AdamShyly的博客

经过调试之后发现，我在计算出critic loss之后并没有进行critic网络的反向传播，而是开始计算actor loss。两个网络的loss都计算完毕后才开始进行反向传播就会出现上述报错。我现在正在做的算法是关于强化学习MADDPG，需要用到两个网络actor和critic。解决方法就是将两个网络的loss和backward都单独封装计算即可。torch具体报错内容如下。

算法基本思路：首先需要确定一个因变量y以此构建一元回归方程，再找到已通过显著性检验的一元线性回归方程中F值最大的解释变量x0，将其并入回归方程中，再分别将剩余的解释变量与解释变量x0作为OLS函数的自变量集拟合回归方程，同样找出其中F值最大的自变量集，如果该自变量集均能通过显著性检验则将该解释变量并入回归方程中并进行下一轮的迭代，否则舍弃该解释变量，并找出F值第二大的自变量集继续对其进行显著性检验。以下是将方程以及变量解释输出至.txt文件的最终结果。以下是data数据集格式，一个解释变量为一列。

可以发现在循环迭代到一定次数时，不管如何增加迭代次数聚类结果并不会再发生改变，此时聚类过程才算是结束。以下是k=2时的结果图，CH指标为123.60521036512122。以下是k=3时的结果图，CH指标为97.93651104016449。以上是K-means算法的大概流程图。