我们可以使用强化学习在成本函数中获得预定义常量的 'good' 值吗？

can we get 'good' values of predefined constants in a cost function using reinforcement learning?

我是强化学习的新手，我知道它背后的基本理论。但是，我无法将问题映射到现有框架。问题如下：

给定具有资源的环境：X、Y 和 Z
给定一组项目I，每个项目都有(x, y, z, r)，其中x, y, z是需要的资源要服务的项目，r 是代理在服务项目时收到的奖励，(X, Y, Z) >> (x, y, z)
为了 select 集合中要投放的项目，我使用了 成本函数 f = ax + by + cz，其中、b 和 c 是预定义的常量。
根据 r/f
的比率，selection 对项目进行了优先排序
Objective：select 项服务，因此总奖励（所有 select 的 r 总和ed 项目) 考虑到每个项目和资源 X、Y 和 Z 的 x、y 和 z 是最大值
问题：如何调整a、b、c的值，使总奖励最大化？

你能给我以下建议吗？

a) 我是否可以使用强化学习来调整常量 a、b 和 c 的 'good' 值

b) 如果是，我该怎么做？

c) 如果否，对适当的解决方法有什么建议吗？

谢谢。

您要做的是超参数扫描，而不是 RL 问题。至少我是这样解释你的 post.

要进行扫描，您有几种可能性：网格搜索、随机搜索或高级搜索方法，例如异步连续减半算法（ASHA）。网格搜索在寻找最优值方面比随机搜索差，而 ASHA 比随机搜索更有效。

要进行高效扫描，我建议使用 Ray Tune。在 PyTorch 文档中有一个关于如何使用 Tune 的很好的示例。它包括将 ASHA 用作简单的导入对象，而不是自己实施分布式扫描。