weixin_51183324的博客

原创 强化学习 HER算法笔记

，原本样本**(st||g, at, rt, st+1||g)** ,新样本** (st||g’, at, r’, st+1||g’)**，新旧样本都塞回经验缓冲区存储，用于智能体学习。在最优策略的探索中，智能体与环境交互，通过不断观察环境的状态(state)，采取行动（action），依据环境给予的反馈信息，奖励信号（reward）不断。文献展示的上图为实验结果，可以明显的看出，HER算法在强化学习解决稀疏奖励和二元奖励问题方面性能的改进，作为一个。本文仅为个人笔记分享，如有侵权，即刻删除。