定义对价格敏感的奖励

时间：2019-12-13 19:40:01

标签： deep-learning reinforcement-learning dqn

我正在建立一个RL模型来控制电池的充电。目的是最大程度地减少一天中的总成本。到目前为止，我只看到了-1、0或1的奖励，但是，就我而言，一天中的电价是变化的，这使我的奖励功能连续不断。到目前为止，我尝试过DQN和PPO都没有成功，他们似乎没有学习（接近）最佳策略。 PPO迅速收敛到某些政策（绝对不是（接近）最佳政策）。 有什么建议吗？

归一化价格如下：

if

enter image description here

0 个答案:

没有答案
相关问题
最新问题