我目前正在为我正在进行的 Q-Learning 优化奖励值。所以现在我考虑计算特定奖励值的两个值。因为这是工作相关的,所以我不能指定我考虑的变量名。奖励采用以下形式:reward = a + b 其中 a 从 列表中获取值:[10, 20, 40, 60, 80] 和 b 可以是从 0 到无穷大 的任何值,即 b ε [0,∞)。即使b的值不会那么大,它也可以取范围内的任何值。
所以情况是这样的:如果 b 类似于 b=1300 和 a=80,则 reward = 1380 其中值 a 的优先级被 b 所取代。有没有什么办法可以制定奖励,使 a 和 b 的值在计算奖励时具有相同的优先级,例如两者都具有 50% 的值(value)?
请您参考如下方法:
我推荐的一种可以解决您问题的技术是 regularize a 和 b 的 Q 值。有很多方法可以做到这一点,但我认为L1 或 L2 正则化应该可以很好地解决您的问题。
简而言之,L2正则化是一个计算权重平方和的数学方程式。
上图来自chioka.in .
