Closed shtse8 closed 4 years ago
greedy TD-error prioritization演算法在經驗池中儲存了每個transition最後encounter的TD-error,用這種方式,將會以TD-error的絕對值最大的進行回放。這裡如果當一個新的transition到來時,我們不知道它的TD-error,那麼就把這個transition的TD-error值設定為最大,這樣可以保證所有的經驗都會被至少回放一次。這種方法效果筆隨機抽取(uniform)效果好。
我有答案了
https://github.com/MorvanZhou/Reinforcement-learning-with-tensorflow/blob/master/contents/5.2_Prioritized_Replay_DQN/RL_brain.py#L103
為甚麼P值不需要傳進去? 而是拿Tree的MaxP去做呢?