cartpole

卡特柱

增强式学习解决方案。

查看相应的媒介文章：Cartpole-加固学习简介（DQN-深Q学习）

关于

一个杆子通过未驱动的关节连接到车上，该关节沿着无摩擦轨道移动。通过将+1或-1的力施加到购物车中来控制系统。摆的开始直立，目标是防止其掉落。为杆保持直立的每个时间步提供了+1的奖励。当极点距垂直方向超过15度时，情节结束，或者手推车从中心移动超过2.4个单元。来源

DQN

具有经验重播的标准DQN。

超参数：

• 伽马= 0.95
• Learning_rate = 0.001
• memory_size = 1000000
• batch_size = 20
• Exploration_Max = 1.0
• Exploration_min = 0.01
• Exploration_Decay = 0.995

模型结构：

1. 致密层 - 输入： 4 ，输出： 24 ，激活： relu
2. 致密层 - 输入24 ，输出： 24 ，激活： relu
3. 致密层 - 输入24 ，输出： 2 ，激活：线性

• MSE损失功能
• 亚当优化器

表现

CartPole-V0将“解决”定义为在连续100次试验中获得195.0的平均奖励。来源

示例试验GIF

示例试验图

解决的试验图

作者

格雷格（Grzegorz）Surma

文件夹

github

博客