希

Last seen: 3 months 前 | 自 2024 起处于活动状态

Followers: 0 Following: 0

统计学

Feeds

提问

我再使用强化学习工具箱编写SAC智能体进行训练时策略一直在上下限波动，没有很好的探索，而使用DDPG智能体和PPO智能体则是能够进行一些有效的探索，请问这是什么原因？
%main % 观测空间和动作空间定义 % numObs = 11; %观测空间维度 % numAct = 4;%动作空间维度 numObs1 = 7; %观测空间维度 numAct1 = 3;%动作空间维度 %BS, EB, ,CL a...

3 months 前 | 1 个回答 | 0

1

个回答