回答情况：
提问时间：
问题标签：
我读过一些文章，但还是找不出决斗DQN和双DQN之间的区别吗？他们之间到底有什么区别？另外，决斗DQN需要建立在双DQN之上吗？谢谢!
浏览 0提问于2019-05-31得票数 3
我有两个问题：
What是否使它在运行时的性能比DQN好得多？我的理解是，在运行时，我们仍然需要选择一个具有最大期望值的操作。What是其收敛速度快于香草DQN?的解释，据我所知，策略没有改变，我们仍在从state $x_{t+1}$中选择最佳动作，然后使用它的最佳动作分布来引导(调整)当前状态最佳动作的分布。
浏览 0修改于2018-07-28得票数 2
回答已采纳
我首先使用了一个普通的DQN，在那里我优化了参数。模拟机器人在5000集后达到了8000个目标，并表现出令人满意的学习性能。现在，由于DQN在强化学习中“不是最好的”，我添加了DoubleDQN。以下是正常的DQN训练部分： if done:
self.model.fit(X_batch, Y_batch, batch_size=self.batc
浏览 24提问于2019-11-01得票数 0
1回答
你可以在图片中看到它：DQN
关于深度Q学习算法，我有几个问题。它们对第14行意味着什么：If D_i = 0, set Y_i = ...
浏览 0提问于2021-08-12得票数 0
回答已采纳
我的问题是，双DQN的表现似乎比香草DQN差得多，我不知道为什么。应该表现得更好对吧？奖励函数有什么问题吗？还是我做错了什么？到目前为止，平均报酬曲线是这样的：下面是我的双DQN代码：REPLAY_MEMORY_SIZE = 10_000
MIN_REPLAY_MEMORY_SIZE
浏览 7修改于2022-07-27得票数 0
1回答
我试图在CarPole环境中使用Pytorch实现一个DQN。我不知道为什么，但无论我试着训练经纪人多长时间，即使分数普遍增加，他们只是波动，没有保持高分。代码来自为tensorflow编写的DQN教程，该教程正常运行，但当我试图转换为Py手电时，它就学不到了。
浏览 0提问于2020-12-21得票数 1
1回答
我一直试图用本文中的DQN来解决OpenAI月球着陆器的游戏。
observation_space = env.observation_space.shape[0] dqn_solverobservation_space]) score = 0 action = dqn
浏览 4修改于2021-01-22得票数 3
1回答
我正在使用DQN算法在我的环境中训练一个代理，如下所示：
目标是在不撞到其他汽车的情况下以预期的速度行驶。对于DQN算法，Q损失必须收敛吗？我想知道，为什么大多数的论文都没有讨论q损失。
浏览 0提问于2017-10-31得票数 20
1回答
我正在尝试实现Dueling DQN，但如果我以这种方式构建NN架构，它看起来并不是在学习 X_input = Input(shape=(self.state_size,))
浏览 27修改于2020-06-12得票数 1
1回答
dqn.load_weights('checkpoint_reward_176.h5f')
model.layers[1].trainable = False这是DQN代码。., value_min=.1, value_test=0.0,
dqn = DQNAgent(model==processor, nb_actions=nb_actions, memory=memory, n
浏览 2修改于2019-08-10得票数 1
我在健身房NChain游戏上尝试了DoubleDQN和DQN算法，发现DoubleDQN的性能并不比DQN更稳定或更好。我将每次操作后训练的批量大小设置为1，我可以知道这是DoubleDQN没有优于DQN的原因吗？
浏览 5提问于2019-07-05得票数 0
我想我不明白DQN和DDQN在实现上有什么区别。我知道在DDQN运行期间我们改变了traget网络，但我不明白在这段代码中是如何实现的。我们将self.target_model.set_weights(self.model.get_weights())放在DDQN的实现中，这是在DQN的操作完成后添加的，https://github.com/keon/deep-q-learning将self.target_model.set_weights(self.model.get_weights())添加到DQN</em
浏览 0修改于2019-12-09得票数 10
1回答
大家好，我遵循教程来训练DQN代理，一切都很好states = env.observation_space.shape[0] score+=reward现在，我不想做随机的选择，我想使用DQN而不必去做类似dqn.p
浏览 13提问于2021-12-29得票数 0
我已经在openAI健身房的基础上构建了一个定制环境，我的目标是在这个环境上训练一个DQN代理。actions): memory = SequentialMemory(limit=50000, window_length=1) nb_actions=actions, nb_steps_warmup=10, target_model_update=1e-2)
return dqn但是，拟合代理时会
浏览 0修改于2021-01-20得票数 1
1回答
我用java从头开始实现了DQN，一切都是定制的。我把它变成了一条蛇，结果真的很好。但我有个问题。 discount factor: 0.9 steps to update target network: 300 000 (means
浏览 0提问于2020-03-08得票数 0
如果我们训练一个DQN超过40000-60000集的500个时间步调。在过去的100步训练中，在测试过程中，奖励的平均值约为奖励的1.1倍。越多的时间步骤应该更稳定？？我们的DQN还好吗？一个测试随机数是120！但是另一个是400！
或者反之亦然，如果最小化测试的奖励超过了最近100次训练的平均值的2倍，是否可以接受呢？我们的DQN还好吗？
浏览 0修改于2018-10-14得票数 0
7回答
DQN（Deep Q-Learning）可谓是深度强化学习（Deep Reinforcement Learning，DRL）的开山之作，是将深度学习与强化学习结合起来从而实现从感知（Perception）到动作（ Action ）的端对端（End-to-end）学习的一种全新的算法 ，该如何实现深度强化学习（DQN）呢?
浏览 3816提问于2018-10-10
1回答
我是新的领域的RL，目前试图培训一个在线的DQN模式。一个在线模型会不会因为它一直在学习而变得过于适合？我怎么知道会不会发生这种事？
浏览 0提问于2021-09-22得票数 1
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号