Hola, en el pseudocodigo de experience replay dice tomar la acción de forma aleatoria, pero luego cuando se corre el experimento se le pasa una política e-greedy, mi pregunta es si debe tomarse random o e-greedy con respecto a q.
Gracias
Hola Martin,
La política epsilon-greedy es por definición aleatoria, sólo que no es uniformemente aleatoria.
De todas maneras la elección de la acción viene dada en ese ejercicio.
Espero haber entendido tu duda.
Saludos
En el ejercicio entonces me piden que la elección sea uniformemente
aleatoria?
On Tue, May 21, 2019 at 9:45 AM Jose Lezama (vía FING) <noreply@fing.edu.uy>
aleatoria?
On Tue, May 21, 2019 at 9:45 AM Jose Lezama (vía FING) <noreply@fing.edu.uy>
En respuesta a Martin Beyer Deicas
Re: Assigment 2.1.4 Experience Replay
Si, yo también me confundí con lo mismo, recién me doy cuenta, porque además en el código que invoca a agente no se le pasa como parámetro la política que epsilon greedy que se define arriba, sumado a que el seudocódigo dice que se selecciona de forma randómica.
Entonces pregunta: ¿lo correcto es que el agente utilice la política behaviour_policy pasada como parámetro no?
Desde ya muchas gracias.
Saludos.
Giovanna.
En respuesta a Giovanna Strelitzia Garula Silva
Re: Assigment 2.1.4 Experience Replay
de Jose Lezama -
Hola,
Perdón por el malentendido.
Ambas serían válidas, pero de hecho con la uniforme se nota mejor el efecto de experience replay, y queda consistente con el pseudocódigo.
Saludos
Quedo claro ahora, mucha gracias!
On Tue, May 21, 2019 at 3:15 PM Jose Lezama (vía FING) <noreply@fing.edu.uy>
On Tue, May 21, 2019 at 3:15 PM Jose Lezama (vía FING) <noreply@fing.edu.uy>
En respuesta a Jose Lezama
Re: Assigment 2.1.4 Experience Replay
Muchas gracias! Saludos.