标签： reinforcement-learning
我想知道如何在强化学习中绘制奖励曲线。
尤其是，我的模拟环境具有很大的随机性。 因此，即使输出策略已收敛，奖励的原始数据中还是有许多曲折模式。
在这种情况下有什么方法可以绘制吗？
答案 0 :(得分：-1)
恐怕我没听懂你的问题。为什么不只绘制每个情节中获得的奖励呢？如果政策收敛，过一会儿您应该会看到奖励的增加，即使可能会开始出现这些曲折。