关于多个agent衰退区间相似的问题

sunnyswag / StockRL

在A股(股票)市场上训练强化学习交易智能体

GNU General Public License v3.0

190 stars 81 forks source link

关于多个agent衰退区间相似的问题 #4

Closed scirocc closed 5 months ago

scirocc commented 3 years ago

您这里提出，多个agent的回撤区间都差不多，可不可以利用ma-ppo对多个智能体加一个惩罚项呢，就让多个智能体在相同state下输出的action相似时就给他们一个负的reward。我看过很多研报，基本都是在说要尽量训练多个不相似的agent，然后把他们的决策汇总作为最终输出（类似boosting）

sunnyswag commented 3 years ago

是可以的，具体可以参考 FinRL 下的这个 notebook

sunnyswag commented 5 months ago

new link: notebook