玩转行哲的博客

原创 基于DQN的避障寻终点机器学习程序不能得到最优结果问题解决了

写了一个DQN的机器学习从任意位置出发，避开障碍走到终点“3”位置的程序，如图所示：运行过程中开始很多时候不收敛，并且很多时候并不能按照最优路线走（甚至跳着走），后来解决了这些问题，原因有以下几点：（1）奖励值的表中存在错误（2）选择动作时，前2000组观察数据时的动作也都使用随机动作，否则大概率根据初始的网络选择动作会导致很多“状态-动作”不会发生，导致后期无法减小值很大的Q值，存在跳着走现象（...