参考资料:How to Discount Deep Reinforcement Learning: ...
为帮助跟我一样的小白,如果有大神看到错误,还请您指出,谢谢~
知乎同名:uuummmmiiii
创新点:相比于原始DQN不固定折扣因子(discount factor,γ),学习率(learning rate,α)
改进:变化discount factor 和 learning rate
改进原因:原始的DQN,即用NN代替Q表“存储”Q值,会出现系统不稳定的情况(应该是涉及到强化学习中状态之间有相关性,而NN中假设的输入都是独立同分布的问题)
带来益处:加快学习算法收敛,提高系统稳定性
Abstract
在强化学习中采用深度网络做函数估计已经取得了很大的进展(DQN),在DQN这个基准之上进行改进,本文阐述了discount factor在DQN的学习过程中起到的作用,当diac