artificial-intelligence - 我如何在演员评论代理中剪辑连续动作？

Question

假设我们有一个机器人，它有一些钱和一些股份。输入是过去 30 天的价格列表。它不使用 RNN，价格是同时输入的。输出是一个连续动作，其中正数是买入，负数是卖出股票数量。我怎样才能限制行动空间，以便它被夹在它有多少份额（下限）和它有多少钱（上限）之间？

我应该剪掉它还是只惩罚非法行为？哪个选项会产生最好的结果？

标签： artificial-intelligencereinforcement-learning

Answer 1

你可以惩罚非法行为，但根据我的经验，它并没有显示出对 AI 有很好的影响（还有一件事要担心）。只需裁剪输出，这样如果它试图使用更多可用的钱，它就会花掉所有的钱。如果它试图卖出比它拥有的更多的股票，它就会卖出它所有的股票。网络将很快了解当它尝试使用比它拥有的更多资源时会发生什么，因此不会导致性能下降。