有无老哥RL做得比较多的指教一下

查看相关话题
Noob Casual-avatar

Noob Casual

2020-09-23T18:28:20+00:00

最近刚跟老师入RL的坑

自己在做5x5网格机器人捡金币避陷阱的时候，用各种经典方法算q，总感觉sarsa收敛得比Monte Carlo Control without exploring points 还慢

loop到1e6了还在变来变去，MCC都已经收敛不动了

用的是epsilon=0.5的epsilon-greedy-policy

这是可能出现的现象吗，还是说一定是我python敲错了

理论上说 TP(0)应该一定比MCC收敛得快啊

相关话题

[求书氵] 有无老哥有<阴魂>未删节文档,有偿50r 有无老哥知道，娱乐圈和sm圈相比，谁更恶心 有无老哥说说海湾战争到底牛逼吗？ 有无老哥聊一聊增加老弟硬度/频率的方法啊(想听听感想) 有无老哥说下修真聊天群的结局啊 有无老哥能讲讲唐家三少近年来都写了什么内容吗 有无老哥记得房事男孩子吃的药 有无老哥聊聊自己戒糖后的生活有啥变化 有无老哥说说自己戒色后的生活？
返回主页