奖励值计算: Q-Learning

Question

我目前正在为我正在做的Q-Learning优化奖励价值。所以现在我考虑两个值来计算一个特定的奖励值。因为这是与工作相关的，所以我不能指定我考虑的变量名。奖励的形式是：reward = a + b，其中a从list: [10, 20, 40, 60, 80]中获取值，b可以是0 to infinity ie b ε [0,∞)中的任何值。即使b的值不会很大，它也可以取范围内的任何值。

因此，情况是这样的:如果b类似于b=1300和a=80，则值a的优先级被b掩盖的reward = 1380。有没有什么办法可以使奖励的a和b的值具有相同的优先级，比如在计算奖励时两者都有50%的值？

Answer 1

我推荐的一种技术应该可以解决你的问题，那就是对a和b的Q值进行正则化。有很多方法可以做到这一点，但我认为L1或L2 应该可以很好地解决你的问题。

简而言之，L2正则化是计算权重平方和的数学方程。

​

​

上图来自chioka.in。