当前位置: 首页 > news >正文

具身系列——PPO算法实现CartPole游戏(强化学习)

完整代码参考: https://gitee.com/chencib/ailib/blob/master/rl/ppo_cartpole.py

执行结果:
ppo训练过程

部分训练得分:

(sd) D:\Dev\traditional_nn\feiai\test\rl>python ppo_cartpole_v2_succeed.py
Ep:    0 | Reward:   23.0 | Running:   23.0
Ep:    1 | Reward:   12.0 | Running:   21.9
Ep:    2 | Reward:   31.0 | Running:   22.8
Ep:    3 | Reward:   25.0 | Running:   23.0
Ep:    4 | Reward:    9.0 | Running:   21.6
Ep:    5 | Reward:   20.0 | Running:   21.5
Ep:    6 | Reward:   20.0 | Running:   21.3
Ep:    7 | Reward:   28.0 | Running:   22.0
Ep:    8 | Reward:   32.0 | Running:   23.0
Ep:    9 | Reward:   18.0 | Running:   22.5
……
Ep:  990 | Reward:   15.0 | Running:   19.7
Ep:  991 | Reward:   19.0 | Running:   19.7
Ep:  992 | Reward:   20.0 | Running:   19.7
Ep:  993 | Reward:   24.0 | Running:   20.1
Ep:  994 | Reward:   16.0 | Running:   19.7
Ep:  995 | Reward:   20.0 | Running:   19.7
Ep:  996 | Reward:   19.0 | Running:   19.7
Ep:  997 | Reward:   26.0 | Running:   20.3
Ep:  998 | Reward:   13.0 | Running:   19.6
Ep:  999 | Reward:   11.0 | Running:   18.7

相关文章:

  • operator 可以根据需要重载 == 运算符进行比较
  • Cadence高速系统设计工具
  • 0基础 | STM32 | TB6612电机驱动使用
  • DeepSeek辅助学术写作之提交和出版以及评审过程分析提示词分享祝你顺利毕业~
  • 肥胖风险的多类预测——CatBoost模型的89%
  • Y1——树状数组入门
  • 每天一道面试题@第五天
  • 推理能力:五一模型大放送
  • C# 运算符重载深度解析:从基础到高阶实践
  • 第3章 Python 3 基础语法001
  • 大模型:解码人工智能的算力革命与边界突破
  • Go反射-通过反射调用结构体的方法(带入参)
  • Spring 容器相关的核心注解​
  • xLua笔记
  • 【2025年】MySQL面试题总结
  • 【Java学习】关于springBoot的自动配置和起步依赖
  • 【深度学习-Day 4】掌握深度学习的“概率”视角:基础概念与应用解析
  • re题(53)BUUCTF-[ACTF新生赛2020]SoulLike
  • fastapi+vue中的用户权限管理设计
  • 从零开始理解 C++ 后端编程中的分布式系统
  • 17家城商行去年年报盘点:西安银行营收增速领跑,青岛银行净利增速领跑
  • 一金两银一铜!中国田径从柯桥望向世界大赛
  • 新华社评论员:在推进中国式现代化的宽广舞台上绽放青春光彩
  • 国际观察|韩国在政局多重不确定性中迎接总统选举
  • 多地景区发公告称售票达接待峰值,有景区暂停网络和线下售票
  • 保险经纪公司元保在纳斯达克挂牌上市,去年净赚4.36亿元