据此,在 Dueling DQN 中,Q 网络被建模为:
Q_{\eta,\alpha,\beta}(s,a) = V_{\eta,\alpha}(s) + A_{\eta,\beta}(s,a)
其中...,$ V_{\eta,\alpha}(s)为状态价值函数,而A_{\eta,\beta}(s,a)值。...图8-3 状态价值和优势值的简单例子
对于 Dueling DQN 中的公式
Q_{\eta,\alpha,\beta}(s,a) = V_{\eta,\alpha}(s) + A_{\eta,\beta...在实现过程中,我们还可以用平均代替最大化操作,即:
Q_{\eta,\alpha,\beta}(s,a) = V_{\eta,\alpha}(s) + A_{\eta,\beta}(s,a) - \dfrac...能够很好地学习到不同动作的差异性,在动作空间较大的环境下非常有效。