我的任务是通过深度强化学习解决优化问题。我阅读了几种算法，如 DQN、PPO、DDPG 和 A2C/A3C，但用例似乎总是像视频游戏（稀疏奖励等）或机器人技术（连续动作空间等）这样的问题。由于我的问题是优化问题，我想知道哪种算法适合我的设置：
- 有限数量的离散动作（如 20 个）
- 高维状态（如 250 个值）
- 每次行动后的即时奖励（不仅在剧集结束时）
- 单个动作可以对状态产生很大影响
没有像电子游戏中那样的“目标”，一集在一定数量的动作后结束。我不太确定哪种算法适合我的用例。
哪种深度强化学习算法适合我的问题？
人工智能
强化学习
优化
深度学习
2021-10-23 22:10:08
1个回答
从理论上讲，视频游戏和机器人问题也与优化（获得最大奖励）有关。因此，就像其他强化学习问题一样，我希望 PPO 在您的情况下也是最有效的。我认为 rl 不需要“目标”，您所需要的只是奖励。