OpenAI Gym 关于CartPole的模拟退火解法

前言

今天测试OpenAI Gym，然后发现CartPole的最快实现快到离谱，使用Simulated Annealing，也就是SA模拟退火法。效果如下图：

代码地址：模拟退火解CartPole

于是好好研究了一下。

关于模拟退火法

一种最优控制算法，基本思想就是每次找一个邻近的点（解法），如果邻近的点比较优，就接受这个点，但是下一次使用随机有一定概率继续选择新的邻近的点，从而避免局部最优，从而通过多次测试达到全局最优。

比较清楚的介绍详见：大白话解析模拟退火算法

如何将模拟退火法SA应用到CartPole中？

对于CartPole倒立摆，其控制输出 A