Q-learning中的學習曲線

Question

我的問題是我在 c++ 中使用 epsilon 貪心策略編寫了 Q 學習算法，現在我必須 plot 的 Q 值的學習曲線。 我應該對 plot 究竟有什么，因為我有一個 11x5 Q 矩陣，所以我應該取一個 Q 值和 plot 它的學習還是我必須取整個矩陣作為學習曲線，你能指導我嗎？ 謝謝

Answer 1

RL 中的學習曲線通常是隨時間變化的回報圖，而不是 Q 損失或類似的東西。 所以你應該運行你的環境，計算總獎勵（又名回報）和 plot 它在相應的時間。