离散困境

Question

我目前正在从强化学习中学习著名的山地汽车问题。这个问题是连续的，这意味着我有两个变量:一个位置-范围从-1.2到0.5，速度范围从-0.07到0.07。我有三种可能的动作--反向加速，正向加速度和中性，动作会在适当的方向改变位置。由于加速度的计算方法，我的位置变量是连续的，这意味着我不能使用查找表，所以我尝试将矩形扇区中的位置-速度轴划分为宽度为0.005 .0 5的桶，将速度分成0.005长的桶，为每个扇区分配一个指数，我这样做：

public int discretiseObservation(Observation observation) {
    double position = observation.getDouble(0) ;
    double velocity = observation.getDouble(1);

    boolean positionNegativeFlag = position < 0;
    boolean velocityNegativeFlag = velocity < 0;

    double absolutePosition = Math.abs(position);
    double absoluteVelocity = Math.abs(velocity);

    double discretePosition = Math.floor(absolutePosition / 0.05);
    double discreteVelocity = Math.floor(absoluteVelocity / 0.005);

    if(velocityNegativeFlag) {
        discreteVelocity += 14;
    }

    if(positionNegativeFlag) {
        discretePosition += 10;
    }

    return (int)discretePosition * 28 + (int)discreteVelocity;
}

但这一计划的结果是，某些部门的指数相同。你知道如何离散这两个连续变量吗？

Upd:对不起，忘记提到当位置或速度超过最大值或最小值时，我将其设置为最大值或最小值。

Answer 1

你把所有的符号检查都搞得太复杂了。此外，您应该避免使用魔术常量-给它们有意义的名称。离散化代码应该如下所示：

double normalize(double value, double min, double max) {
    return (value - min) / (max - min);
}

int clamp(int value, int min, int max) {
    if (value < min) value = min;
    if (value > max) value = max;
    return value;
}

int discretize(double value, double min, double max, int binCount) {
    int discreteValue = (int) (binCount * normalize(value, min, max));
    return clamp(discreteValue, 0, binCount - 1);
}

public int discretizeObservation(Observation observation ) {
    int position = discretize(observation.getDouble(0), minPosition, maxPosition, positionBinCount);
    int velocity = discretize(observation.getDouble(1), minVelocity, maxVelocity, velocityBinCount);
    return position * velocityBinCount + velocity;
}

Answer 2

你没有限制你的位置和速度。当它们太大时(不管是什么符号)，它们都会溢出硬编码的偏移值(14和10)。在组合这些值之前，必须限制它们。