我刚开始学习Q-learning，看到使用Q-learning解决问题的可能性。
问题：我应该检测某种数据组合，我有四个矩阵作为我系统的输入，我已经对输入进行了分类（每个输入可以是低（L）或高（H） ））。我需要检测某些类型的输入，例如LLLH，LLHH，HHHH等
注意： 1）LLLH表示L中的第一个输入，第二个输入为L，第三个输入为L，第四个输入为H！ 2）我已将每种类型的输入类型标记为状态，例如LLLL为状态1，LLLH为状态2，依此类推。
我在Q学习中学到的是，大多数时候你有一个目标（只有一个状态作为目标），这使得代理更容易从R矩阵学习和创建Q矩阵。现在在我的问题中，我有很多目标（许多州充当目标，需要被发现）。我不知道如何设计状态，如何通过有许多目标以及代理将如何学习来创建奖励矩阵。能否帮助我如何在这种情况下使用Q-learning。考虑到我在20多个州都有16个进球！
正如我上面提到的，我知道什么是q学习，状态和目标是如何工作的，Q_matrix的计算（它如何学习）....但问题是现在我有很多目标，我不我真的知道如何将我的问题与q-learning联系起来..我需要多少个州，以及如何标记奖励，因为我有很多目标。
我至少需要帮助才能创建具有多个目标的奖励矩阵
答案 0 :(得分：0)
我至少需要帮助才能创建具有多个目标的奖励矩阵
最简单的方法是对每个目标进行奖励，然后从这些奖励中加权，以获得总奖励。
Rtot = w1 * R1 + w2 * R2 + ... + wn * Rn
你可以决定如何衡量每个奖励，它会影响代理人的最终行为，因为每次尝试学习不同的东西。
有更复杂的方式称为“多维奖励RL”或“多标准RL”。你可以谷歌搜索相关论文。
答案 1 :(得分：0)
正在研究多个目标，因为它确实解决了一些关键的RL问题。
这是一篇很棒的文章，其目标是提供包裹或为电池充电......如果您没有充电，交付将会失败，但如果您经常收费，您将不会进行任何交付。这是两个重要目标之间的平衡。
作者将通过TensorFlow中的逻辑和方法向您介绍： https://www.oreilly.com/ideas/reinforcement-learning-for-complex-goals-using-tensorflow