The PSYCHE* 2021-07-06 19:47 采纳率: 0%
浏览 8

强化学习中,神经网络输入序列a,与输入由a中元素加减变换过来的b,网络训练完成后,两者的输出大相径庭

多智能体强化学习中,假设3个球0-1-2,环境返回的状态是,球0:球0坐标,(球1坐标-球0坐标),(球2坐标-球0坐标)。
当我把状态改为:球0坐标,球1坐标,球2坐标。

两者作为状态输入,训练50万次后,奖励值曲线,前者明显高于后者。
why?

  • 写回答

1条回答 默认 最新

  • 清水泡茶 2023-04-11 15:04
    关注

    在多智能体强化学习中,状态的设计对于训练效果具有重要影响。根据您所提供的信息,我认为前者设计的状态更具有代表性和信息量,因此在训练过程中产生了更好的效果。

    在前者的状态表示中,每个球的坐标都是相对于球0的位置,这意味着球0的位置对整个状态的描述至关重要。在一个多智能体系统中,每个智能体的行为和状态都会受到其他智能体的影响,而球0的位置则可以作为参考点来衡量其他球之间的相对位置和运动情况。同时,球1和球2与球0之间的向量也提供了额外的信息,使得状态更加丰富和详尽。

    相比之下,后者的状态表示中只包含每个球的绝对坐标,缺乏球与球之间的相对位置和运动信息。这可能导致智能体无法有效地感知和应对其他智能体的行为,从而导致训练效果较差。

    总之,在设计多智能体强化学习的状态时,需要考虑智能体之间的交互和影响,并选择最具代表性和信息量的状态表示方式。

    评论

报告相同问题?

悬赏问题

  • ¥15 逻辑谓词和消解原理的运用
  • ¥15 三菱伺服电机按启动按钮有使能但不动作
  • ¥15 js,页面2返回页面1时定位进入的设备
  • ¥50 导入文件到网吧的电脑并且在重启之后不会被恢复
  • ¥15 (希望可以解决问题)ma和mb文件无法正常打开,打开后是空白,但是有正常内存占用,但可以在打开Maya应用程序后打开场景ma和mb格式。
  • ¥20 ML307A在使用AT命令连接EMQX平台的MQTT时被拒绝
  • ¥20 腾讯企业邮箱邮件可以恢复么
  • ¥15 有人知道怎么将自己的迁移策略布到edgecloudsim上使用吗?
  • ¥15 错误 LNK2001 无法解析的外部符号
  • ¥50 安装pyaudiokits失败