reinforcement-learning - Q-Learning 中级奖励

Question

如果在包含中间奖励的情况下，Q-Learning 智能体在特定纸牌游戏中对抗对手的表现确实明显更好，这会表明算法存在缺陷还是其实现存在缺陷？

score 1 · Accepted Answer

如果没有关于 Q-Learning 代理的更多具体信息，很难回答这个问题。您可以将寻求即时奖励称为开发率，这通常与探索率成反比。应该可以在您的实现中配置这个和学习率。另一个重要因素是勘探策略的选择，您应该毫不费力地找到有助于做出这一选择的资源。例如：

要直接回答这个问题，它可能是实现、配置、代理架构或学习策略的问题，这些问题会导致立即利用和固定在局部最小值上。

1 回答 1