【发布时间】：2020-04-01 19:04:09
【问题描述】：
我正在尝试实现 python 的深度强化学习程序，其中代理必须在时间限制到期之前解决问题（接近目标）。 管理时间的最佳方法是什么？将剩余时间作为神经网络的输入传递是个好主意吗？ 我试图这样做（剩余时间作为描述环境状态的条目之一）但算法没有收敛......
任何想法或提示？ 非常感谢！！
【问题讨论】：
标签： time deep-learning reinforcement-learning q-learning
【发布时间】：2020-04-01 19:04:09
【问题描述】：
假设你正在尝试实现深度 q 学习，我认为最好从奖励中减去剩余时间，例如：
Q_target = (reward-time_remaining)+gamma*max(Q(s',a))
【讨论】：