0

我正在为最终产生奖励的农场模拟器游戏开发强化学习解决方案。总结一下我要解决的问题：

  1. 采取行动（种植哪种类型，种植多少等）。
  2. 暂时存储动作和状态（一年中的时间，可用的地块数量）。
  3. 确定奖励（收益）后，将其与动作和状态相匹配。
  4. 使用 (3) 中的数据训练代理。
  5. 从（1）重复。

我查看了对此的引用，但我只能找到https://github.com/tensorflow/agents/issues/529。

有人可以帮我设置一个可以在这里使用的重播缓冲区吗？

4

0 回答 0