关于随机性的问题

[pazyorkcc]

梁教授，您好！

首先感谢您将代码开源，可供大家学习和借鉴，我在其中学习到了很多。在复现您论文结果的过程中，我有一些疑惑，希望能和您探讨。 我进行了两组实验。 第一组实验，是在固定MARL实验随机种子的情况下进行的。在这个情况下进行的训练和测试的环境均为固定的，统计结果显示MARL是最优的。 第二组实验，是在没有固定随机种子的情况下进行的，训练和测试的环境在不同episode均是不一样的，结果显示MARL的结果普遍约等于或低于random。 我计划开展第三组实验，就是在训练中固定随机种子，而在测试中不固定随机种子。

想询问下您的实验中，训练阶段和测试阶段的随机种子是如何设置的？如果是第一种情况，我认为模型对其他道路环境的泛化能力较弱，不知道您有无考虑这种情况？

感谢，期待可以得到交流的机会。

[pazyorkcc]

这是用github中模型测试的结果，感觉随机种子不固定的情况下，实验结果问题较大。

V2I 链路的平均传输速度 序号	训练	测试	MARL	SARL	rand	dpra
6	预训练模型	随机种子固定	40.63 Mbps	38.68 Mbps	37.04 Mbps	41.22 Mbps
7	预训练模型	随机种子不固定	42.32 Mbps	48.35 Mbps	43.14 Mbps	50.24 Mbps

V2V 链路的平均传送成功率

序号	训练	测试	MARL	SARL	rand	dpra
6	预训练模型	随机种子固定	1.0	0.985	0.9075	1.0
7	预训练模型	随机种子不固定	0.4775	0.9525	0.7575	1.0

[le-liang]

你好，谢谢你提的这个问题。我们做实验的时候确实是（无意识地）固定了随机种子，这样做会大大降低泛化能力验证的说服力。训练的过程中改变随机种子，等效于从不同位置探索状态空间，对于提升测试阶段的性能应该很有帮助，我们会进一步考虑，也欢迎邮件和我们讨论 lliang@seu.edu.cn