机构名称：
¥ 1.0
问题1：基本的Q学习表现。（DQN）包括一个学习曲线图，以显示您对Pac-Man女士实施的实现。X轴应对应于时间步骤的数量（考虑使用科学符号），Y轴应显示迄今为止平均每类奖励以及最佳的平均奖励。这些数量已经计算出来，并在“入门代码”中打印。它们也已登录到数据文件夹，并且可以像以前的作业一样使用张板可视化。一定要标记Y轴，因为我们需要验证您的实施能获得与我们的相似的奖励。您不需要修改默认的超参数以获得良好的性能，但是如果修改任何参数，请在图的标题中列出它们。最终结果应使用以下实验名称：
作业3：Q学习和演员 - 批判算法
主要关键词
相关文件推荐
