面向网格世界的深度Q学习

问题描述

有人实施过深度Q学习来解决网格世界问题,其中状态是玩家的[x,y]坐标,目标是达到某个坐标[A,B]。奖励设置为每步-1,达到[A,B]则为+10。 [A,B]始终是固定的。

令人惊讶的是,我在google上找不到这样的实现。我自己使用taxi-v3尝试了DQN,但没有用。因此,寻找这样的参考实现可以解决我的问题。

解决方法

对于网格世界而言,不需要深入的Q学习,这可能就是为什么很少有人这样做的原因。但是,我发现了一个在网格世界中使用深度Q学习的教程:https://livebook.manning.com/book/deep-reinforcement-learning-in-action/chapter-3/1