A3C 程序中奖励函数权重的问题

作者: Kaysenc0703创建于 2020年7月26日更新于 2022年11月1日

对于奖励函数的设定是否有什么要求呢？在A3C算法中使用的是状态值而不是动作值，那么奖励函数中是否与状态变量直接相关？另外还有一个很奇怪的问题，为什么在相同权重的条件下，两次运行的结果差异很大？目前我的累积奖励值虽然有收敛趋势，但波动还是很大！

内容来源: MorvanZhou/Reinforcement-learning-with-tensorflow