281
个编辑
更改
跳到导航
跳到搜索
第407行：
第407行： − − ==4.DQN 的关键技术细节== − − ===输入状态的预处理与特征提取（如图像处理）=== − − ===神经网络架构设计=== − − ===损失函数的定义与优化方法=== − − ===训练中的稳定性问题与解决方案=== −
→4.DQN 的关键技术细节
ε-贪婪策略动态衰减（初始ε=1.0，衰减率0.995，最低ε=0.01），平衡探索与利用。
ε-贪婪策略动态衰减（初始ε=1.0，衰减率0.995，最低ε=0.01），平衡探索与利用。
基于贝尔曼方程计算目标Q值，通过均方误差损失更新网络，折扣因子γ=0.99。
基于贝尔曼方程计算目标Q值，通过均方误差损失更新网络，折扣因子γ=0.99。
==5.DQN 的主要改进算法==
==5.DQN 的主要改进算法==