0
我正在尝试重现论文 Demand Response for Home Energy Management Using Reinforcement Learning and Artificial Neural Network 中的工作。我想优化家用电器的功耗。动作空间是家用电器的不同额定功率。我的奖励函数是 = -（额定功率 * 电价）。
我在 Matlab 上使用 DQN 算法训练了一个 RL 代理。我有代理应该从中选择的动作空间，但我的代理总是采取相同的动作，而不管状态如何。我检查了我的奖励函数，算法没有选择奖励最高的动作。任何人都可以想到为什么代理会这样？
我的代码：
在此处 输入图像描述 在此处输入图像描述 我在训练时得到什么：
而且我的代理总是采用相同的额定功率，无论状态如何（电价）。为什么？