强化学习中的reward值分别设置为1、2、3时，会有什么区别？什么影响？
关注者
9被浏览
7,801登录后你可以
不限量看优质回答私信答主深度交流精彩内容一键收藏
匿名用户
肯定有影响的。
本质上影响到Q值，rmax=1, eta=0.99，则Qmax=100
如果用神经网络估算Q值，r过大，则Q的估值会过大，会影响数值稳定，网络训练会崩盘；r过小，采样策略会对r不敏感，更接近于随机。
肯定有影响的。
本质上影响到Q值，rmax=1, eta=0.99，则Qmax=100
如果用神经网络估算Q值，r过大，则Q的估值会过大，会影响数值稳定，网络训练会崩盘；r过小，采样策略会对r不敏感，更接近于随机。