基于 CartPole-v0 环境的强化学习算法实现
目录
1 实验环境描述 1
2 算法 1
3 实验结果分析 3
3.1 Q-Learning 3
3.2 Policy-Gradient 5
3.3 Deep-Q-Network 6
1实验环境描述
1.1CartPole-v0
Cart Pole 在 OpenAI 的 gym 模拟器里面是相对比较简单的一个游戏。游戏里面有一个小车，上有一根杆子。小车需要左右移动来保持杆子竖直。如果杆子倾斜的角度大于 15°，那么游戏结束。小车也不能移动出一个范围（中间到两边各 4.8 个单位长度）。小车的状态变量有车的位置、杆子的角度、车速、角度变化率 4 个维度，以及左移、右移两个动作。左移或者右移小车的 action 之后，env 都会返回一个 +1 的 reward。到达 200 个 reward 之后，游戏也会结束。