正在加载...
请使用更现代的浏览器并启用 JavaScript 以获得最佳浏览体验。
加载论坛时出错，请强制刷新页面重试。
奖励函数
涉及强化学习中的奖励工程，奖励函数，reward shaping等。
请问如何评价一个奖励函数设计的好坏呢？
Cliff Diving: 探索强化学习环境中的奖励表面
stable baseline3中TD3尝试股票交易碰到的问题
奖励函数这样，是陷入局部最小值了吗？
Document
