把之前读的一篇HRL的文章也补上。
这个文章的代码,我看了两天,表示看的不大明白,只能找到一个lua脚本写出来的版本,感觉读起来很吃力
网络模型:
先介绍一下文章的总体思想:
主要由两部分组成,一个控制器,一个以往获得的经验。
这里提到了一个蒸馏法,也就是有一个T net 有一个 S net , S net可以不断地学习T net,不断拟合。
控制器主要是决定采用一个单独的步骤,还是采用策略。然后就和hdqn一样了。不过这个算法出现的比较晚,所以他用的double-dqn。以上。代码有兴趣的可以看一下,lua写的,好多地方没注释,看着很费力。