如何构建一个输出 1 个离散值和 1 个连续值成对的 DQN？

Question

我正在为 Open Gym 环境构建 DQN。我的观察 space 只有 1 个离散值，但我的行为是：

self.action_space = (Discrete(3), Box(-100, 100, (1,)))

例如：[1,56]、[0,24]、[2,-78]...

我当前的神经网络是：

model = Sequential()
model.add(Dense(24, activation='relu', input_shape=states)) # (1,)
model.add(Dense(24, activation='relu'))
model.add(Dense(2, activation='linear'))

(我是从一个只输出[0,1]范围内的1个离散值的教程中复制过来的)}

我知道我需要更改神经网络的最后一层，但在我的情况下会怎样？

我猜最后一层应该有3个二进制输出和1个连续输出但我不知道如果有可能在同一层内有不同性质的输出。

Answer 1

正如您在评论中已经指出的那样，由于 DQN 的工作方式，DQN 与连续动作空间不兼容； argmax of "a" for Q(s,a) - 当 a 是连续的时，不可能检查所有 a 的 Q(s,a)。

话虽如此，当将其应用于策略梯度方法（与与连续动作空间兼容）时，您将运行进入您问题中的同一问题，因为使用策略梯度，您需要为您采取的每项行动提供概率。像这样的东西可以工作：

Actor（在本例中为神经网络）提供 3 个输出。
前 2 个输出是每个离散值的概率。
第三个输出是你的连续值。

获取前两个输出的 softmax，它会为您提供离散值，然后获取第三个连续输出，这将为您提供操作。然后，您需要推导出该动作的概率，该概率由所有输出的组合概率给出。

如何构建一个输出 1 个离散值和 1 个连续值成对的 DQN？

How to build a DQN that outputs 1 discrete and 1 continuous value as a pair?

python

tensorflow

reinforcement-learning

openai-gym

dqn