返回介绍

QMIX

发布于 2024-06-23 17:58:49 字数 2712 浏览 0 评论 0 收藏 0

class QMIX(agent_model, qmixer_model, double_q=True, gamma=0.99, lr=0.0005, clip_grad_norm=None)[源代码]

基类:Algorithm

__init__(agent_model, qmixer_model, double_q=True, gamma=0.99, lr=0.0005, clip_grad_norm=None)[源代码]

QMIX algorithm

参数:
  • agent_model (parl.Model) – agents’ local q network for decision making.

  • qmixer_model (parl.Model) – A mixing network which takes local q values as input to construct a global Q network.

  • double_q (bool) – Double-DQN.

  • gamma (float) – discounted factor for reward computation.

  • lr (float) – learning rate.

  • clip_grad_norm (None, or float) – clipped value of gradients’ global norm.

learn(state_batch, actions_batch, reward_batch, terminated_batch, obs_batch, available_actions_batch, filled_batch)[源代码]
参数:
  • state_batch (paddle.Tensor) – (batch_size, T, state_shape)

  • actions_batch (paddle.Tensor) – (batch_size, T, n_agents)

  • reward_batch (paddle.Tensor) – (batch_size, T, 1)

  • terminated_batch (paddle.Tensor) – (batch_size, T, 1)

  • obs_batch (paddle.Tensor) – (batch_size, T, n_agents, obs_shape)

  • available_actions_batch (paddle.Tensor) – (batch_size, T, n_agents, n_actions)

  • filled_batch (paddle.Tensor) – (batch_size, T, 1)

返回:

train loss td_error (float): train TD error

返回类型:

loss (float)

如果你对这篇内容有疑问,欢迎到本站社区发帖提问 参与讨论,获取更多帮助,或者扫码二维码加入 Web 技术交流群。

扫码二维码加入Web技术交流群

发布评论

需要 登录 才能够评论, 你可以免费 注册 一个本站的账号。
列表为空,暂无数据
    我们使用 Cookies 和其他技术来定制您的体验包括您的登录状态等。通过阅读我们的 隐私政策 了解更多相关信息。 单击 接受 或继续使用网站,即表示您同意使用 Cookies 和您的相关数据。
    原文