【强化学习7日打卡营-世界冠军带你从零实践】PARL强化学习公开课 Lesson2_Sarsa学习笔记
一、感悟
代码的核心逻辑是,建立Q表格,并通过查表的方式获取每一步应该怎么走。具体为:
训练
建立Q表格,并初始化为0(0为最大值,经过训练后,表格里的值最终为负数)
获取表格中最大的值,代表要行动的方向,由于1所说,初始化为0,所以训练一开始一定往值为0的方向上走。
不断的训练,当走到悬崖(获得值为-100)或走到终点(-1)时,结束训练,然后根据公式以及这轮训练得到的值,来算出这轮走的过程中的每一步的值,并更新Q表格。
在训练过程中,有一定的概率,不按照最优值走,这样来扩充更多的选择。
展示
原创
2020-06-26 17:31:59 ·
178 阅读 ·
0 评论