知识卡片
连续演员用tanh约束动作
先将网络输出映射到 −1 到 1,再按环境范围缩放。评判家接收状态和完整动作向量,可对任意合法给定动作输出标量。若加噪声,仍需检查动作边界。
关联:[[DDPG用两对网络分工]]。演员实现需要按环境范围对输出缩放。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 7.5.2 Actor-Critic网络的实现 · 查看原书依据
action = action * self.action_lim
参考来源
- 位置:《强化学习入门:从原理到实践》第7章《7.5.2 Actor-Critic网络的实现》,来源项目 book-source,`extracted/强化学习入门:从原理到实践/_epub-src/OEBPS/Text/chapter73.xhtml`,body 子元素 18
- 结论依据:原文在 tanh 后乘每个动作分量可达的上限。
- 原始内容:action = action * self.action_lim