文件名称：Reinforcement-Learning-projects-on-predesigned-gym-environments:“让我进去！！”
文件大小：8.98MB
文件格式：ZIP
更新时间：2024-05-01 19:44:09
Python
Reinforcement_learning_projects_on_premade_gym_environments Q_table_mountain_car ：尝试使用Q-table解决MountainCar-v0环境。 continous_action_trial ：这是用于健身房环境的连续动作空间的q表（continousMountainCar-v0）。 我包括了用于山地车和卡特波勒的q表，因此您可以看到我为实现此目的而加班所做的更改。 game_cartpole_random_weights ：这是尝试使用生成的随机权重来解决CartPole-v0环境。 cartpole_qtable ：使用Q表解决CartPole-v0环境 Highway_env_2 ：解决Highway-v0环境。 我们的工作是通过改变车道和调节车速来导航我们的汽车。 我已经使用了DQN（深层Q网络
【文件预览】：
Reinforcement-Learning-projects-on-predesigned-gym-environments-main
----cp.ckpt.data-00000-of-00001(621KB)
----vw_model.h5(650KB)
----chatbot.py(2KB)
----game_cartpole_random_weights.py(1KB)
----highway_env_2.py(7KB)
----highway_run.py(772B)
----README.md(917B)
----cartpole_qtable.py(4KB)
----continuos_action_trial.py(4KB)
----cp.ckpt.index(2KB)
----Q_table_MountainCar.py(4KB)
----highway_run.mp4(9.43MB)
----checkpoint(71B)
----requirements.py(487B)