- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我有一个关于强化学习 (RL) 对于我们正在尝试解决的问题的适用性的基本问题。
我们正在尝试使用强化学习进行库存管理 - 其中需求完全随机(它可能在现实生活中具有某种模式,但现在让我们假设我们被迫将其视为纯粹的随机需求)随机的)。
据我了解,强化学习可以帮助学习如何玩游戏(例如国际象棋)或帮助机器人学习走路。 但是所有游戏都有规则,(OpenAI Gym 的)“车杆”也是如此 – 有一些“物理”规则来控制车杆何时倾斜并摔倒。
对于我们的问题来说,没有规则——环境随机变化(对产品的需求)。
强化学习真的适用于这种情况吗?
如果确实如此,那么什么会提高性能?
更多详情:- “环境”中唯一可用的两个刺激是产品“X”的当前可用水平和当前需求“Y”- “ Action ”是二元的 - 我是否订购一定数量的“Q”来重新填充或不订购(离散 Action 空间)。- 我们正在使用 DQN 和 Adam 优化器。
我们的结果很差 - 我承认我只训练了大约 5,000 或 10,000 - 我应该让它训练几天,因为这是一个随机环境?
谢谢拉杰什
最佳答案
你说的是非平稳意义上的随机,所以,不,强化学习在这里不是最好的。
强化学习假设您的环境是静止的。在整个学习过程中,环境的潜在概率分布(转换函数和奖励函数)必须保持不变。
当然,强化学习和深度强化学习可以处理一些稍微不稳定的问题,但在这方面却很困难。马尔可夫决策过程 (MDP) 和部分可观察 MDP 假设平稳。因此,专门用于利用类似 MDP 环境的基于值的算法,例如 SARSA、Q-learning、DQN、DDQN、Dueling DQN 等,将很难在非平稳环境中学习任何内容。您越多地采用基于策略的算法,例如 PPO、TRPO,甚至更好的无梯度算法,例如 GA、CEM 等,您的机会就越大,因为这些算法不会尝试利用此假设。此外,调整学习率对于确保代理永不停止学习至关重要。
最好的选择是采用黑盒优化方法,例如遗传算法等。
关于machine-learning - 强化学习适用于随机环境吗?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/52744919/
我让随机数低于之前的随机数。 if Airplane==1: while icounter0: print "You have enoph fuel to get to New
是否可以生成 BigFloat 的随机数?类型均匀分布在区间 [0,1)? 我的意思是,因为 rand(BigFloat)不可用,看来我们必须使用 BigFloat(rand())为了那个结局。然而,
我正在尝试学习 Kotlin,所以我正在学习互联网上的教程,其中讲师编写了一个与他们配合良好的代码,但它给我带来了错误。 这是错误 Error:(26, 17) Kotlin: Cannot crea
是否有任何方法可以模拟 Collections.shuffle 的行为,而不使比较器容易受到排序算法实现的影响,从而保证结果的安全? 我的意思是不违反类似的契约(Contract)等.. 最佳答案 在
我正在创建一个游戏,目前必须处理一些math.random问题。 我的Lua能力不是那么强,你觉得怎么样 您能制定一个使用 math.random 和给定百分比的算法吗? 我的意思是这样的函数: fu
我想以某种方式让按钮在按下按钮时随机改变位置。我有一个想法如何解决这个问题,其中一个我在下面突出显示,但我已经认为这不是我需要的。 import javafx.application.Applicat
对于我的 Java 类(class),我应该制作一个随机猜数字游戏。我一直陷入过去几天创建的循环中。程序的输出总是无限循环,我不明白为什么。非常感谢任何帮助。 /* This program wi
我已经查看了涉及该主题的一些其他问题,但我没有在任何地方看到这个特定问题。我有一个点击 Web 元素的测试。我尝试通过 ID 和 XPath 引用它,并使用 wait.until() 等待它变得可见。
我在具有自定义类的字典和列表中遇到了该异常。示例: List dsa = (List)Session["Display"]; 当我使用 Session 时,转换工作了 10-20 次..然后它开始抛
需要帮助以了解如何执行以下操作: 每隔 2 秒,这两个数字将生成包含从 1 到 3 的整数值的随机数。 按下“匹配”按钮后,如果两个数字相同,则绿色标签上的数字增加 1。 按下“匹配”按钮后,如果两个
void getS(char *fileName){ FILE *src; if((src = fopen(fileName, "r")) == NULL){ prin
如果我有 2 个具有以下字段的 MySQL 数据库... RequestDB: - Username - Category DisplayDB: - Username - Category
我有以下语句 select random() * 999 + 111 from generate_series(1,10) 结果是: 690,046183290426 983,732229881454
我有一个使用 3x4 CSS 网格构建的简单网站。但出于某种原因,当我在 chrome“检查”中检查页面时,有一个奇怪的空白 显然不在我的代码中的标签。 它会导致网站上出现额外的一行,从而导致出现
我有两个动画,一个是“过渡”,它在悬停时缩小图像,另一个是 animation2,其中图像的不透明度以周期性间隔重复变化。 我有 animation2 在图像上进行,当我将鼠标悬停在它上面时,anim
如图所示post在 C++ 中有几种生成随机 float 的方法。但是我不完全理解答案的第三个选项: float r3 = LO + static_cast (rand()) /( static_c
我正在尝试将类添加到具有相同类的三个 div,但我不希望任何被添加的类重复。 我有一个脚本可以将一个类添加到同时显示的 1、2 或 3 个 div。期望的效果是将图像显示为背景图像,并且在我的样式表中
我有一个基本上可以工作的程序,它创建由用户设置的大小的嵌套列表,并根据用户输入重复。 但是,我希望各个集合仅包含唯一值,目前这是我的输出。 > python3 testv.py Size of you
我正在尝试基于 C# 中的种子生成一个数字。唯一的问题是种子太大而不能成为 int32。有什么方法可以像种子一样使用 long 吗? 是的,种子必须很长。 最佳答案 这是我移植的 Java.Util.
我写这个函数是为了得到一个介于 0 .. 1 之间的伪随机 float : float randomFloat() { float r = (float)rand()/(float)RAN
我是一名优秀的程序员,十分优秀!