我建立了一个 DQ 网络,它分析小行星的状态,火箭给出了可能执行的最佳动作(左、右、射击、闲置)。但是代理不断发送垃圾子弹? 谁能帮我解决这个问题?
我以为代理会探索所有 4 个动作,但它不断地发送垃圾邮件,哈迪向左或向右移动,几乎停留在中心并不断发送垃圾邮件。
有两点你应该考虑。