CartPole-OpenAI-GYM:不同方式解决openAI健身房卡特尔问题的方法

话题 杆通过未操作的接头连接到手推车，手推车沿着无摩擦的轨道移动。 该系统是通过向推车施加+1或-1的力来控制的。 钟摆开始直立，目的是防止其跌落。 杆保持直立的每个时间段，都会提供+1的奖励。 当杆子与垂直方向的夹角超过15度时，或者推车从中心移出2.4个单位以上时，情节就会结束。 方法 1.随机动作 在这种方法中，我们根据环境的特定状态选择一个随机动作（左或右）。 毫不夸张地说，这种方法的效果很差，因为它没有考虑到当前状态。 这种方法由于其随机性而无法预测。 在10条步道上，最长生存时间为118个时间步，而acg生存时间约为21个时间步，这是非常糟糕的。 2.使用权向量 在这种方法中，我们采用大小为4的随机权重向量，该向量等于环境状态的维数。 在权重向量和状态之间取一个点积，并根据输出的值采取一个动作，即左或右。 我们看到该方法优于以前的方法，但是该方法不使用任何机器学习算法。 这种