【RL】7.Reward Issue

RL-Ch7-Reward Issue 因爲採樣的不充分性和種種原因(環境v很少給reward),我們得到環境的回饋信息是很少的,這就是獎勵稀疏(sparse reward)的問題。 Reward Shaping 所以第一種方法是我們可以人爲構造/修正獎勵。 某些情形如果讓環境直接給出獎勵,難以讓好的行爲得到學習。例如小學生在出去玩和學習這一當前時間步的選擇,很難考慮到未來的月考成績好壞這一遠景的
相關文章
相關標籤/搜索