如何防止代理不停重復同一個動作圈？當然，不知何故隨著獎勵系統(tǒng)的變化。但是，您是否可以遵循或嘗試在代碼中包含一般規(guī)則來防止此類問題？更準確地說，我的實際問題是這個：我正在嘗試教 ANN 使用 Q-Learning 學習 Doodle Jump。僅僅幾代之后，代理不斷地在同一個平臺/石頭上一遍又一遍地跳躍，不停地。增加隨機探索時間的長度沒有幫助。我的獎勵系統(tǒng)如下：代理人活著時+1+2 當特工在平臺上跳躍時-1000 死亡時一個想法是當智能體與以前一樣到達相同的平臺時，給予它負數(shù)或至少 0 的獎勵。但要這樣做，我必須向 ANN 傳遞許多新的輸入?yún)?shù)：代理的 x,y 坐標和上次訪問平臺的 x,y 坐標。此外，ANN 還必須知道一個平臺有 4 個塊厚，依此類推。因此，我確信我剛才提到的這個想法并不能解決問題，相反，我相信 ANN 通常根本學不好，因為有太多無用且難以理解的輸入。