- 博客(5)
- 收藏
- 关注
RSS订阅原创 MountainCarContinuous-v0，基于DDPG，pytorch，200轮收敛
3、第三种奖励值设置方法还是基于state[1]的，只不过把思路稍微转换一下，即reward=abs(state[1])-2，因为时间拖的越久，total_reward肯定越低，这样的话他在第一次抵达终点之后，会愿意更多的去终点，解决了第二种方法的缺陷。2、第二种奖励值设置方法是基于state[1]的，也就是reward=abs(state[1])，表示速度越大，给予越大的奖励值，前期效果还行，但后期很难抵达终点（大概原因就是他认为不去终点更容易拿到更多奖励）
2024-05-22 23:23:13
329
3
原创 CartPole-v1无限步数（Gym，pytorch、DQN）
基于常规DQN算法（无算法层面的优化）实现CartPole-v1无限步数唯一的改动就是把奖励和当前位置产生了联系，从零开始的话大概训练1000轮左右（十分钟？）就能无限步数
2024-05-12 00:15:09
401
2
原创 塔子月赛第一场 题解
3、2333的小清新数论题。不太会做，只能暴力骗分了。2.2333的超级队列。模拟前几项找规律就行了。这题也是只会暴力骗分了。
2023-05-20 21:35:00
50
原创 ZJYC2023 浙江省大学生程序设计竞赛校内选拔赛全题题解
D：x&y=a（a二进制为1的位x和y也必须为1），x+y=s，s为剩下几位的和，即这几位不能和前面重合。K：dp，中间枚举到的值必须都是k的因子，加上这个剪枝之后就很快了。H：枚举两个点然后找跟这两个点在同一条直线上的点，注意去重！L：从前往后枚举，减去字典里重复的就行。J:从前往后枚举，直到不能再递增为止。A:正着写不方便，那倒着写就行了。F：枚举a,b然后算出c。G：从终点开始枚举bfs。
2023-04-01 17:37:36
316
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人