强化学习算法

夔曦3 小时前
python·强化学习算法
【无标题】神经网络（两个网络：目标网络、主网络）、经验回放以gym中的车杆CartPole-v1为例，环境设置从gym中获取，只需关注算法本身。 该环境存在四种状态：车位置(Cart Position) 、车速(Cart Velocity) 、杆子的角度(Pole Angle) 、角速度(Pole Angular Velocity)，两种动作：0向左、1向右
我是有底线的