如何解决面向网格世界的深度Q学习
有人实施过深度Q学习来解决网格世界问题，其中状态是玩家的[x，y]坐标，目标是达到某个坐标[A，B]。奖励设置为每步-1，达到[A，B]则为+10。 [A，B]始终是固定的。
令人惊讶的是，我在google上找不到这样的实现。我自己使用taxi-v3尝试了DQN，但没有用。因此，寻找这样的参考实现可以解决我的问题。
解决方法
对于网格世界而言，不需要深入的Q学习，这可能就是为什么很少有人这样做的原因。但是，我发现了一个在网格世界中使用深度Q学习的教程：https://livebook.manning.com/book/deep-reinforcement-learning-in-action/chapter-3/1
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。
