我可以對具有非連續觀察空間的問題使用強化學習嗎？

Question

我想訓練一個代理人在一個 9x9 的字段上放置一個 polyomino（只有一個，例如 2x2 的平方），該字段要么是空的，要么已經包含多個 OTHER（不是 2x2 平方）polyomino。 所以觀察空間不會是連續的。 這是 RL 的正確用例嗎？

Answer 1

當然，為什么不呢？ 強化學習算法的最簡單版本使用離散的 state 空間（實際上，為了收斂，假設代理能夠訪問每個 state 足夠多次）。 即使狀態太多並且您必須用學習的近似值（可能是 neural.net）替換 Q function，您也可以對輸入使用 one-hot 編碼。