如何在 DQN（深度 Q 网络）中分配状态？

Question

我正在使用自动驾驶仪进行飞行模拟，所以我需要制作一个 DQN（深度 Q 网络）来控制自动驾驶仪，但我不知道最佳状态数。

模拟是统一完成的，所有的环境和物理也都完成了，DQN 只需要输出 (W,A,S,D) 来控制飞机，我找到了一个控制 CARTPOLE 的代码，理论上应该可以训练和控制飞机就好了，唯一的问题是我不知道我选择的状态是否正确。

这是代码：

    

    import os

    import random

    import gym

    import numpy as np

    from collections import deque

    from keras.models import Sequential

    from keras.layers import Dense

    from keras.optimizers import Adam

    class DQNAGENT:

        def __init__(self,state_size,_action_size):

            self.state_size = state_sizes

            self.action_size = actions_sizes

            self.memory = deque(maxlen=2000)

            self.gamma = 0.95

            self.epsilon = 1.00

            self.epsilon_decay_rate = 0.995

            self.epsilon_min = 0.01

            self.learning_rate = 0.001

            self.model = self.build_model()

        def buildmodel(self):

            model = Sequential()

            model.add(Dense(24, input_dim=self.state_size, activation='relu'))

            model.add(Dense(24, activation='relu'))

            model.add(Dense(self.action_size, activation='linear'))

            model.compile(loss='mse',optimizer=Adam(lr=self.learning_rate))

            return model

        def remember(self, state, action, reward, next_state, done):

            self.memory.append((state, action, reward, next_state, done))

        def act(self, state):

            if np.random.rand()  self.epsilon_min:

                self.epsilon *= self.epsilon_decay_rate

        def load(self, name):

            self.model.load_weights(name)

        def save(self, name):

            self.model.save_weights(name)

代理类是将要接受培训的代理，这些功能没问题，但在Main中，状态大小设置为零，因为我还不知道这三行的数量我无法转换为能够运行我的项目

因为它从 Gym 包中获取这些变量，但我需要手动输入这些变量，我的环境将包括空速、飞机位置、机场位置等，这就是我想写的，所以如果有人能帮我弄清楚这是否正确甚至更好地告诉我什么是最佳状态，我们将非常感激。

Answer 1

状态只是您的代理在当前“框架/步骤”中拥有的信息。这是代理选择动作所需要的agent.act(state)。在CartPole示例中，状态是一个包含 4 个值的框：推车位置推车速度极角尖端极速在您的飞行自动驾驶仪中，状态将是您的代理人做出决定所需的信息，例如：当前纬度现在的速度...