机构名称：
¥ 1.0
体验重播，在每次步骤e t =（s t，a t，r t，s t+ 1）中存储代理商的经验，其中e是一步的经验，s是状态，a是所采取的动作，r是收到的奖励。代理商选择基于适当动作的操作-SelectionsTrategy。随后重播各州，以学习算法的增强算法。dqn使用经验重播，通过从存储的体验池中抽样在Minibatches中学习。代理商将决定采取行动，观察环境的过渡并获得相关的奖励。因此，代理的目标是采取适当的动作，以最大程度地提高长期的termumulativereward。奖励。recults
强化学习条目检查策略...
主要关键词
相关文件推荐
