[英]How can I get an integer as output for continuous action space PPO reinforcement learning?
我有一個巨大的離散動作空間，學習穩定性不好。 我想移動到連續動作空間，但我的任務唯一的 output 可以是正的 integer（假設在 0 到 999 的范圍內）。 如何強制 DNN 到 output 為正 integer？
您能否具體說明您正在使用哪種 RL 代理框架以及哪種環境？
假設您在 OpenAI 健身房環境中使用 Stable Baselines 3 (SB3)，您應該能夠在設置環境時設置所需的動作空間（參見此處： https://www.gymlibrary.ml/content/spaces/ ）。 PPO 是 SB3 最通用的代理之一，可用於“離散”、“盒子”、“多離散”和“多二進制”動作空間。
最后要得到一個正 integer 的 output ，可以通過以下幾種方式實現：
Box(low=-1.0, high=1.0, shape=(1,)它只是將 output 縮放到所需范圍並將其轉換為整數。Box(low=-1.0, high=1.0, shape=(N_DISCRETE_ACTIONS,)然后使用np.argmax(action)獲得最終的 integerDiscrete(N_DISCRETE_ACTIONS)
利用強化學習進行多智能體連續空間路徑尋找的最佳算法
[英]Best algorithm for multi agent continuous space path finding using Reinforcement learning
如何將 output 數組作為深度強化學習 Model 中的操作？
[英]How to output an array as actions in a Deep Reinforcement Learning Model?
如何使用強化學習在圖中找到不同人的步行路徑？
[英]How can I Find Walking Paths for Different People in a Graph With Reinforcement Learning?
如何在 openai-gym、強化學習的 Bipedalwalker-v3 中獲得目標 Q 值？
[英]How do I get Target Q-values in Bipedalwalker-v3 in openai-gym, reinforcement learning?
深度強化學習，如何制作控制多台機器的代理
[英]Deep Reinforcement Learning, how to make an agent that control many machines
聲明:本站的技術帖子網頁，遵循CC BY-SA 4.0協議，如果您需要轉載，請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.