联合强化学习

问题描述

我正在通过 PyTorch 实现联合深度 Q 学习，使用多个代理，每个代理运行 DQN。 我的问题是，当我为代理使用多个重放缓冲区时，每个代理都会附加经验，每个代理重放缓冲区中的两个经验元素，即。即，“current_state”和“next_state”在第一个时隙后变得相同。我的意思是在每个缓冲区中，我们看到当前状态的相同值和下一状态的相同值。 我在下面包含了代码和结果的简化部分。为什么在执行追加时更改缓冲区中已经存在的当前状态和下一个状态？将缓冲区定义为全局变量有什么问题吗？或者你有其他想法？

<<< time 0 and agent 0:
current_state[0] = [1,2]
next_state[0] = [11,12]
*** experience: (array([ 1.,2.]),2.0,array([200]),array([ 11.,12.]),0)
*** buffer: deque([(array([ 1.,0)],maxlen=10000)

<<< time 0 and agent 1: 
current_state[1] = [3,4]
next_state[1] = [13,14]
*** experience: (array([ 3.,4.]),4.0,array([400]),array([ 13.,14.]),maxlen=10000)

<<< time 1 and agent 0:
current_state = [11,12]
next_state[0] = [110,120]
*** experience: (array([ 11.,6.0,array([600]),array([ 110.,120.]),0)
*** buffer: deque([(array([ 11.,0),(array([ 11.,maxlen=10000)

<<< time 1 and agent 1:
current_state = [13,14]
next_state[1] = [130,140]
*** experience: (array([ 13.,8.0,array([800]),array([ 130.,140.]),0)
*** buffer: deque([(array([ 13.,(array([ 13.,maxlen=10000)

class BasicBuffer:
def __init__(self,max_size):
    self.max_size = max_size
    self.buffer = deque(maxlen=10000)

def add(self,current_state,action,reward,next_state,done):
    ## """"Add a new experience to buffer.""""
    experience = (current_state,np.array([reward]),done)
    self.buffer.append(experience)

def DQNtrain(env,state_size,agent):
for time in range(time_max):
    for e in range(agents_numbers):
       current_state[e,:]
        next_state_edge[e,:] 
        ## """"Add a new experience to buffer.""""
        replay_buffer_t[e].add(current_state,done)
        current_state[e,:] = next_state[e,:]

if __name__ == '__main__':
   DQNtrain(env,agent)
   replay_buffer_t = [[] for _ in range(edge_max)]
   for e in range(edge_max):
       replay_buffer_t[e] = BasicBuffer(max_size=agent_buffer_size)

解决方法

我刚刚找到了导致问题的原因。我应该使用 copy.deepcopy() 来获得经验：

experience = copy.deepcopy((current_state,action,np.array([reward]),next_state,done))
self.buffer.append(experience)