cartpole

卡特柱

增強式學習解決方案。

查看相應的媒介文章：Cartpole-加固學習簡介（DQN-深Q學習）

關於

一個桿子通過未驅動的關節連接到車上，該關節沿著無摩擦軌道移動。通過將+1或-1的力施加到購物車中來控制系統。擺的開始直立，目標是防止其掉落。為桿保持直立的每個時間步提供了+1的獎勵。當極點距垂直方向超過15度時，情節結束，或者手推車從中心移動超過2.4個單元。來源

DQN

具有經驗重播的標準DQN。

超參數：

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

模型結構：

1. 緻密層 - 輸入： 4 ，輸出： 24 ，激活： relu
2. 緻密層 - 輸入24 ，輸出： 24 ，激活： relu
3. 緻密層 - 輸入24 ，輸出： 2 ，激活：線性

• MSE損失功能
• 亞當優化器

表現

CartPole-V0將“解決”定義為在連續100次試驗中獲得195.0的平均獎勵。來源

示例試驗GIF

示例試驗圖

解決的試驗圖

作者

格雷格（Grzegorz）Surma

文件夾

github

部落格