如何解决在 TensorFlow 中根据状态限制 RL 动作空间
我通过 TF Agents 包感受到了软弱的演员评论家。我遇到了一个问题，即政策为环境应该建模的内容输出不可能的操作（金融交易；政策尝试购买/出售的数量超过他们的能力），并且不知道如何实际解决它.
为此类行为设置极其负面的奖励无济于事——通常，溢出发生在模型意识到其错误之前。
有没有一种通用的方法可以让连续动作空间的边界依赖于当前的环境状态？如果没有，有什么解决方法？
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 dio@foxmail.com 举报，一经查实，本站将立刻删除。
