连续状态空间和离散动作空间的最佳强化学习算法

Question

我有一个具有连续状态空间和离散动作空间（两个动作，如0或1）的环境。这种情况下最好的RL算法是什么？

Answer 1

嗯，这取决于奖励结构；状态和动作空间本身并不能确定问题的难易程度，而且还不能说出一种好的算法。我将首先尝试public function parent() { return $this->belongsTo('Categorias','submenu'); } public function submenu(){ return $this->hasMany('App\Categorias','submenu'); } public function submenu(){ return $this->hasMany('App\Categorias', 'id', 'submenu'); } 。如果它不起作用，我将尝试DQN或A2C。如果它们也不起作用，我将尝试A3C。

如果它们都不起作用，则需要提供有关环境的更多信息。也许它需要一种特殊的勘探技术。

您可以在Ray documentation上找到有关它们的非常高级的描述。链接上提供了相应论文的链接及其代码。