奖励值计算：Q-Learning

Question

我目前正致力于优化Q-Learning的奖励价值。所以现在我考虑两个计算特定奖励价值的值。由于这是与工作相关的，我无法指定我考虑的变量名称。奖励采用以下形式：reward = a + b其中a获取list: [10, 20, 40, 60, 80]的值，b可以是0 to infinity即b ε [0,∞)范围内的任何值。即使b的值不会那么大，它也可以在该范围内取任何值。

所以情况如此：如果b类似于b=1300和a=80，reward = 1380的值a的优先级被{{1}黯然失色}}。是否有某种程度上我可以制定奖励，以便a和b的值具有相同的优先级，例如在计算奖励时具有50％的价值？

Answer 1

我建议应该解决您问题的一种方法是a和b的 regularize Q值。有很多方法可以做到这一点，但我认为 L1或L2正规化可以很好地解决您的问题。

简而言之，L2正则化是一个计算权重平方和的数学方程。

上面的图片来自chioka.in。